论文部分内容阅读
针对基于生物电阻抗对人体腹部内脏(腹内)脂肪面积(VFA)的预测,本文采用基于半监督学习的ABC-SVR预测模型对人体腹内脂肪面积进行预测,以克服训练样本有限与标准值相关性不够高的问题。通过测试样本集进行标准差和相关性计算仿真实验,结果表明,该模型具有较强的非线性函数逼近,能有效对人体腹内脂肪面积的预测。论文的主要研究内容如下:1、构造了预测人体腹内脂肪面积的特征属性。通过将人体腹部等效为椭圆柱导体模型,给出了一种人体腹部生物电阻抗的测量方法,并定义了与人群类型有相关的特征属性,构成了以腹部总阻抗Zt、腹部皮下阻抗Zs、腰围值w、腹部宽度a、腹部厚度b,体质指数B、体脂肪率T、腰臀比Y八种特征的人体腹内脂肪面积预测模型的输入量特征。2、构建了一种人体腹内脂肪面积的ABC-SVR预测模型。通过改进的人工蜂群算法对人体腹内脂肪面积特征属性进行全局寻优训练,找出最优特征向量的解。对最优特征向量进行支持向量回归机拟合,获得人体腹内脂肪面积的ABC-SVR预测模型。3、给出了一种人体腹内脂肪面积预测模型的半监督学习算法。通过对新采集的未标记样本进行优化标记,通过半监督学习算法对添加的新标记样本与原有的标记样本对ABC-SVR预测模型进行重复训练,并通过与已建立的预测模型进行赤池信息量准则性能比较,获取新的最优预测模型,解决训练样本可不断增加和模型可重复训练的问题。4、选用经典的最小二乘回归模型和ABC-SVR模型作为本文的半监督学习ABC-SVR模型的对比模型,并通过测试样本集的预测与比较分析,本文方法是可行与有效性的。本文运用Matlab对基于半监督学习的人体腹内脂肪面积预测模型以及测试样本进行仿真实验,通过相关性和标准差的分析结果表明,本方法的改进效果明显。