论文部分内容阅读
为了提高睡眠结构分期的准确度,克服分类时样本不足对分类的影响,使用MIT-BIH数据库整晚睡眠脑电数据作为研究样本,提取了时域、频域和非线性共16个参数作为分类特征,用支持向量机的一对一多类分类方法,采用顺序最小优化算法,以径向基函数作为核函数对样本分类。分类结果与专家的分类标注对比,分类准确率达到92%以上。支持向量机可作为睡眠分期的一种实用算法。