摘要：基于类中心设计隶属度函数的模糊支持向量机能够有效地解决支持向量机对噪声、野值点敏感的问题。但是它对支持向量赋予较小的隶属度值,从而降低了其分类效果。因此,提出一种改进的隶属度函数设计方法,该方法降低了对样本几何分布的依赖,而且考虑到了支持向量机的本质特征。用类内超平面代替类中心,根据每类数据与其类内超平面的距离定义隶属度函数,以加大对容易被错分样本的惩罚,同时对离分类超平面较远且不可能成为支持向量的样本赋予较小的隶属度值。实验表明,改进的模糊支持向量机能够有效地提高分类精度。

摘要：传统的图分类算法由于支持度阈值选择过低导致频繁子模式规模过大,进而造成效率过低,阈值选择过高导致重要模式丢失而造成分类精度下降,如FSG和CEP方法.针对这些问题,提出将动态抽样策略引入图分类领域,在保持分类准确率的前提下通过顶点平均度的计算抽样选取代表性子模式,结合CEP所给出的频繁闭显露模型,设计出一种新的图特征(分类规则)提取方法,解决了CEP算法由于支持度阈值设置过低而导致的无法计算现象,大大提高了分类效率;并通过实验证明本文算法优于现有的一些主流算法.

摘要：针对目前的可穿戴式心电监护系统,由于电极运动伪迹过大造成心电信号严重漂移失真等,设计了一种心电信号(electrocardiogram,ECG)和电极-皮肤阻抗变化信号(electrode-tissue impedance variation,ETIV)两路信号同步采集系统。分析了ECG与ETIV信号在电极不同受力的相关性,可将ETIV信号作为参考信号,ECG作为输入信号,利用LMS自适应滤波算法消除ECG中的运动伪迹,得到基线稳定、清晰的心电信号。不仅满足了舒适性下的长期佩戴,而且消除了运动伪迹造成的严重的干扰。实现结果表明,该心电检测模块应用到移动心率监护中不仅可以提供实时的心电监护,而且能得到基线稳定清晰的心电信号。