基于序列连通度的睡眠分期算法研究.pdfVIP

第１期 电　　子　　学　　报 Ｖｏｌ．４５　Ｎｏ．１ ２０１７年１月 ＡＣＴＡＥＬＥＣＴＲＯＮＩＣＡＳＩＮＩＣＡ Ｊａｎ．　２０１７ 基于序列连通度的睡眠分期算法研究 刘志勇，孙金玮 （哈尔滨工业大学电气工程及自动化学院，黑龙江哈尔滨 １５０００１） 　　摘　要：　准确的睡眠分期有利于帮助人们改善睡眠质量．本文提出了一种基于序列连通度分析的特征参数提取 算法，提取了连通度分布斜率，连通距离均值，平均连通距离均值以及改进的加权连通度均值等特征参数，采用最小二 乘支持向量机对其进行训练和学习，建立了睡眠脑电的数学模型．结果表明，相对于目前已有的序列加权连通度算法， 本文算法对于不同睡眠状态的分期正确率提高了约５７２％，特别是对于浅睡眠状态的分类正确率提高约９６５％． 关键词：　脑电信号；序列连通度；最小二乘支持向量机 中图分类号：　Ｒ３１８　　　文献标识码：　Ａ　　　文章编号：　０３７２２１１２（２０１７）０１０２２５０７ 电子学报ＵＲＬ：ｈｔｔｐ：／／ｗｗｗ．ｅｊｏｕｒｎａｌ．ｏｒｇ．ｃｎ　 ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．０３７２２１１２．２０１７．０１．０３１ ＳｌｅｅｐＳｔａｇｉｎｇｆｒｏｍｔｈｅＶｉｓｉｂｉｌｉｔｙＧｒａｐｈＡｌｇｏｒｉｔｈｍｏｆＳｅｒｉｅｓ ＬＩＵＺｈｉｙｏｎｇ，ＳＵＮＪｉｎｗｅｉ （ＨａｒｂｉｎＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｕｔｏｍａｔｉｃ，Ｈａｒｂｉｎ，Ｈｅｉｌｏｎｇｊｉａｎｇ１５０００１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：　Ｍｏｎｉｔｏｒｉｎｇｔｈｅｓｌｅｅｐｑｕａｌｉｔｙａｃｃｕｒａｔｅｌｙｃａｎｐｌａｙａｎｅｆｆｅｃｔｉｖｅｓｕｐｐｏｒｔｉｎｇｒｏｌｅｉｎｈｅｌｐｉｎｇｐｅｏｐｌｅｉｍｐｒｏｖｅｔｈｅ ｑｕａｌｉｔｙｏｆｓｌｅｅｐ．Ｉｎｔｈｅｐｒｅｓｅｎｔｓｔｕｄｙ，ａｎｏｖｅｌｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎａｌｇｏｒｉｔｈｍｉｓｐｒｏｐｏｓｅｄｂａｓｅｄｏｎｔｈｅｎａｔｕｒａｌｖｉｓｉｂｉｌｉｔｙｇｒａｐｈ ａｎｄｈｏｒｉｚｏｎｔａｌｖｉｓｉｂｉｌｉｔｙｇｒａｐｈｍｅｔｈｏｄｓ．Ｔｈｅｓｌｏｐｅｏｆｖｉｓｉｂｉｌｉｔｙｄｅｇｒｅｅｄｉｓｔｒｉｂｕｔｉｏｎ，ｔｈｅｍｅａｎｏｆｖｉｓｉｂｉｌｉｔｙｄｉｓｔａｎｃｅ，ｔｈｅｍｅａｎｏｆ ａｖｅｒａｇｅｄｖｉｓｉｂｉｌｉｔｙｄｉｓｔａｎｃｅａｎｄｔｈｅｍｅａｎｏｆｉｍｐｒｏｖｅｄｗｅｉｇｈｔｅｄｖｉｓｉｂｉｌｉｔｙｇｒａｐｈｗｅｒｅｅｘｔｒａｃｔｅｄ，ａｎｄｔｒａｉｎｅｄｂｙｔｈｅｌｅａｓｔ ｓｑｕａｒｅｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｓ（ＬＳＳＶＭ）ｃｌａｓｓｉｆｉｅｒ．Ｔｈｅｍａｔｈｅｍａｔｉｃａｌｍｏｄｅｌｂｅｔｗｅｅｎｅｌｅｃｔｒｏｅｎｃｅｐｈａｌｏｇｒａｍ（ＥＥＧ）ａｎｄ ｓｌｅｅｐｓｔａｔｅｗａｓｅｓｔａｂｌｉｓｈｅｄａｎｄｖｅｒｉｆｉｅｄｂｙｄｉｆｆｅｒｅｎｔｓａｍｐｌｅｓ．Ｔｈｅｒｅｓｕｌｔｓｄｅｍｏｎｓｔｒａｔｅｄｔｈａｔｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙｏｆｄｉｆ ｆｅｒｅｎｔｓｔａｔｅｓｉｍｐｒｏｖｅｄａｂｏｕｔ５７２％ｃｏｍｐａｒｅｄｔｏｔｈｅｅｘｉｓｔｉｎｇｗｅｉｇｈｔｅｄｖｉｓｉｂｉｌｉｔｙｇｒａｐｈ，ｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙｏｆｓｈａｌｌｏｗ ｓｌｅｅｐｓｔａｔｅｓｉｍｐｒｏｖｅｄａｂｏｕｔ９６５％． Ｋｅｙｗｏｒｄｓ：　ＥＥＧ（Ｅｌｅｃｔｒｏｅｎｃｅｐｈａｌｏｇｒａｍ）；ｖｉｓｉｂｉｌｉｔｙｇｒａｐｈ；ＬＳＳＶＭ（Ｌｅａｓｔｓｑｕａｒｅｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｓ） ［６］