发明名称 |
一种基于机器学的帕金森疾病诊断方法 |
摘要 |
本发明公开了一种基于机器学的帕金森疾病诊断方法,是针对传统的帕金森疾病诊断方法效率低、成本高以及过程复杂的问题,提出一种基于机器学的帕金森疾病诊断方法。首先对语音信号采集,对语音信号进行特征提取,并进行特征选择,再利用智能优化算法建立最优支持向量机模型,对待测语音进行分类预测,结合机器学中的分类算法对帕金森疾病进行诊断,并采用智能算法优化支持向量机参数,提高在帕金森疾病诊断中的准确率。本发明使用机器学算法来进行帕金森疾病诊断,降低了帕金森疾病诊断的成本,通过特征选择,提高了帕金森疾病诊断的效率,通过智能算法优化支持向量机参数,提高了支持向量机的分类准确率。 |
申请公布号 |
CN106202952A |
申请公布日期 |
2016.12.07 |
申请号 |
CN201610570126.1 |
申请日期 |
2016.07.19 |
申请人 |
南京邮电大学 |
发明人 |
季薇;汪学明;李云 |
分类号 |
G06F19/00(2011.01)I;G06K9/62(2006.01)I |
主分类号 |
G06F19/00(2011.01)I |
代理机构 |
南京知识律师事务所 32207 |
代理人 |
李湘群 |
主权项 |
一种基于机器学习的帕金森疾病诊断方法,其特征在于包括以下步骤:步骤一、对帕金森患者和健康人进行语音信号的采集;步骤二、对语音信号进行特征提取;步骤三、对特征进行选择;步骤四、利用智能优化算法优化支持向量机模型建立过程中的惩罚参数C和RBF核函数中的参数g,根据优化的结果建立最优支持向量机模型;步骤五、利用最优支持向量机模型对待测语音进行分类预测,实现帕金森疾病的诊断。 |
地址 |
210003 江苏省南京市鼓楼区新模范马路66号 |