论文部分内容阅读
针对支持向量机（SVM）计算复杂度高和参数不易确定的局限性，提出一种基于稀疏贝叶斯相关向量机（RVM）的脑电数据睡眠分期方法。给出二分类RVM的参数推理和优化，并确定了二叉树多分类RVM模型．基于8例健康成年人的MIT／BIH睡眠脑电实测数据，根据已有的专家人工睡眠分期注释，首先提取清醒期和睡眠各期脑电数据的样本熵值作为特征向量样本，然后利用二叉树多分类器法构建贝叶斯RVM睡眠分期模型，输入清醒期和各睡眠期样本进行训练和测试，最终实现各睡眠分期的模式分类．结果表明：在两种径向基核函数下，基于RVM的睡眠分