论文部分内容阅读
本文首先提出了一种改进的动态时间规整算法并用其来识别八类不同形状的脉象。该方法是基于模板匹配来对模式进行分类的，其优点是分类时无需特征提取，分类器的设计不需要特殊的技巧和专家经验，分类准确率为93﹪。另外，本文还针对脉象的节律特征，也就是所谓的“数”，进行了自动分析。首先引入了变异范围和变异系数两个参数来检测脉象节律是否异常，然后通过应用Lempel-Ziv分解来进一步识别促、结、代脉，总的识别率达到90.7﹪。最后本文运用了模糊神经网络对脉象进行分类，首先把中医专家经验模糊化，然后建立相应的推理规则以形成网络，用误差反向传播算法对网络参数进行细调。从“位，形，势，数”这四方面来分析了16种脉象，取得了比传统BP网络更好的分类效果。