模糊聚类支持向量机在步态分类中的应用

背景：对于患有神经系统或骨骼肌肉系统疾病的患者,分析步态数据可以评定康复程度,制定治疗方案。如何有效地分类小样本步态数据成为重要的研究课题。 目的：用改进的支持向量机算法对小样本步态数据进行分类,准确诊断疾病。 方法：建立加入模糊C均值聚类的支持向量机算法,选用Gait Dynamics in Neuro-Degenerative Disease Data Base 40~59岁年龄段的6组数据,共720个样本数据,采用左摆间隔和左支撑间隔两维参数对步态数据建模。数据归一化后,通过模糊C均值聚类对数据进行预处理;然后用支持向量机对数据进行分类。采用不同核函数的支持向量机算法验证分类能力。 结果与结论：实验结果表明,利用改进的支持向量机算法,可以有效地对信号进行分类,有助于疾病的诊断和治疗方案的制定。     

相关向量机在肿瘤表达谱分类问题中的应用

基因芯片技术能够检测大量基因的表达水平,在肿瘤研究中得到日益广泛的应用。基于基因芯片表达谱的肿瘤分类诊断是肿瘤表达谱研究的一个热点,肿瘤表达谱分类是一个典型的高维度小样本分类问题,描述一个两步策略的分类方法。在测试的基因表达谱中存在大量的非差异表达冗余基因,通过一个有效的基因预选择策略得到一个较小的候选基因子集,然后建立基于相关向量机的分类预测模型。在4个真实的肿瘤表达谱数据上,与几种不同的方法进行比较,结果显示该方法可以得到更好的分类精度,同时表现出很好的稳定性。     

基于小波分解和支持向量机的P300识别算法

针对支持向量机方法在P300识别中训练和识别速度相对较慢的不足,本研究提出了一种将小波分解与支持向量机相结合的P300识别方法。该方法通过小波分解实现脑电信号的特征提取,同时利用Span估计方法实现支持向量机最优参数的快速选择;然后借助支持向量机良好的分类性能实现P300的识别。本研究在BCICompetition 2003的P300实验数据集上对该方法进行了验证,结果表明,与传统支持向量机算法相比,本算法具有更高的训练和识别速度,并且在5次重复实验时达到了100%的识别准确率。     

基于二叉树支持向量机的蛋白质结构类预测

提出了一种基于二叉树支持向量机(BT-SVM)的蛋白质结构类多类预测新方法.采用26维的向量来表示蛋白质序列的特征.BT-SVM多类分类方法能消除SVM在多分类问题中存在的不可分数据问题.采用两个经典数据集作为测试数据,通过自身一致性和n折叠交叉验证方法测试了新方法的性能.预测结果表明新方法具有良好的预测能力,与使用同一数据集的已有结果相比较,新方法的Jackknife结果和目前最好的方法取得的结果相当,可作为蛋白质结构类预测的一个工具.     

疲劳驾驶识别中的脑电信号特征选择算法和支持向量机模型研究

针对疲劳驾驶识别中脑电特征选择和分类模型,提出采用粗糙集理论的离散化算法对通道和脑电信号特征量进行选择,选用支持向量机作为疲劳驾驶识别模型,并将疲劳误判风险作为支持向量机模型参数进行模型优化。针对5名受试者的实验结果表明,与主分量方法相比,粗糙集离散化算法选取的特征量较少,以0.8为相容度阈值,在208个候选特征中选择的特征数为2～4个,不同被试者选取的特征不同且对建立支持向量机识别模型有影响;疲劳误判风险控制参数可以达到调节支持向量机识别模型误判风险。     

基于F-score特征选择和支持向量机的P300识别算法

如何从脑电信号中快速准确地识别出P300成分是脑-机接口研究中的一个热点问题.针对P300的识别问题,我们提出了一种将F-score特征选择与支持向量机相结合的判别方法,该方法采用F-score特征选择减少输入特征的维数,以克服支持向量机算法判别速度慢的缺点;然后借助支持向量机算法良好的分类性能实现P300的识别.本文在BCI Competition 2003的P300实验数据集上对该方法进行了验证,结果表明,在5次重复实验中该方法的识别准确率达到了100%,且判别速度与未经特征选择的传统支持向量机算法相比提高了近2倍.     

基于熵和支持向量机的病态嗓音识别

为了更好地分析实际短数据带噪的病态嗓音信号,利用近年来提出的样本熵、多尺度熵、模糊熵和分层熵的方法来提取嗓音的熵特征参数,并借鉴分层分解方法,提出分层多尺度熵和分层模糊熵,分别对测试集39例正常嗓音和36例病态嗓音进行支持向量机（SVM）识别。实验结果表明：三层分层熵、分层多尺度熵、分层模糊熵的识别率和稳定性均较分层前有提高。在耗时较短的情况下,提取2 000点病理嗓音数据的6种熵特征都能达到较好且较稳定的识别率。提取2 000点病理嗓音数据的三层分层模糊熵特征,能得到较好且较稳定的SVM识别率97.33%,较分层前的模糊熵特征识别率提高约4.00%。熵分析方法可推进病态嗓音研究向临床的应用,为临床分析诊断实时、短数据的带噪病理嗓音提供一定的参考。     

基于支持向量机-隐马尔科夫模型的外骨骼穿戴者步速意图识别

为了提高下肢外骨骼机器人及其穿戴者行走的流畅性和人机相互协调性,本文提出了一种基于惯性传感器信号的下肢外骨骼穿戴者行走步速识别方法。首先选取大腿处和小腿处的三轴加速度和三轴角速度信号,随后根据时间窗口提取当前时刻前0.5 s的信号,以频域信号中的傅里叶变换系数为特征值。接着将支持向量机（SVM）与隐马尔科夫模型（HMM）结合作为分类模型,对该模型进行训练和步速识别。最后结合步速变化规律与人-机约束力,预测当前时刻步速大小。试验结果表明,本文提出的方法能够有效识别下肢外骨骼穿戴者的步速意图,七种步速模式识别率可达到92.14%。本文方法为实现外骨骼与穿戴者之间的人机协调控制提供了新思路和新途径。     

基于迁移学习和支持向量机的乳腺癌分子分型预测

乳腺癌分子分型对乳腺癌的治疗具有决定性的参考作用,传统的分型方法有创且可能存在假阳性问题,而已有的基于影像学的分型方法准确率较低。本文提出一种利用迁移学习提取特征并结合支持向量机的分型预测方法,对乳腺癌PET/CT标记图像进行融合和归一化,再使用Xception迁移学习网络进行特征提取,最后使用支持向量机进行分类实现分型。对样本测试集进行性能评估表明,Xception+SVM模型的准确率达到0.687,AUC为0.787,优于现有基于影像学的方法,验证了本文方法的有效性。     

基于支持向量机的BCI导联选择算法

脑-机接口(BCI)中导联选择的目的是在所有记录脑电信号的导联中,选择出与特定心理任务分类最相关的导联,对于简化BCI系统,提高系统传输速率具有重要影响.本研究提出一种基于支持向量机(SVM)的导联选择算法,所采用的实验数据来自德国组织的第三届国际BCI数据竞赛数据集IVa中两个受试者(al,aw).结果表明,该算法对al数据集导联可从118减少到22,同时系统识别的精度从92%提高到98%;对aw数据集导联可从118减少到35,同时系统识别的精度从89%提高到93%.可简化BCI系统的设计,改善系统性能.     

An Artificial Immune System-Based Support Vector Machine Approach for Classifying Ultrasound Breast Tumor Images

A rapid and highly accurate diagnostic tool for distinguishing benign tumors from malignant ones is required owing to the high incidence of breast cancer. Although various computer-aided diagnosis (CAD) systems have been developed to interpret ultrasound images of breast tumors, feature selection and the setting of parameters are still essential to classification accuracy and the minimization of computational complexity. This work develops a highly accurate CAD system that is based on a support vector machine (SVM) and the artificial immune system (AIS) algorithm for evaluating breast tumors. Experiments demonstrate that the accuracy of the proposed CAD system for classifying breast tumors is 96.67 %. The sensitivity, specificity, PPV, and NPV of the proposed CAD system are 96.67, 96.67, 95.60, and 97.48 %, respectively. The receiver operator characteristic (ROC) area index A_z is 0.9827. Hence, the proposed CAD system can reduce the number of biopsies and yield useful results that assist physicians in diagnosing breast tumors.     

Bone Age Assessment in Young Children Using Automatic Carpal Bone Feature Extraction and Support Vector Regression

Boundary extraction of carpal bone images is a critical operation of the automatic bone age assessment system, since the contrast between the bony structure and soft tissue are very poor. In this paper, we present an edge following technique for boundary extraction in carpal bone images and apply it to assess bone age in young children. Our proposed technique can detect the boundaries of carpal bones in X-ray images by using the information from the vector image model and the edge map. Feature analysis of the carpal bones can reveal the important information for bone age assessment. Five features for bone age assessment are calculated from the boundary extraction result of each carpal bone. All features are taken as input into the support vector regression (SVR) that assesses the bone age. We compare the SVR with the neural network regression (NNR). We use 180 images of carpal bone from a digital hand atlas to assess the bone age of young children from 0 to 6 years old. Leave-one-out cross validation is used for testing the efficiency of the techniques. The opinions of the skilled radiologists provided in the atlas are used as the ground truth in bone age assessment. The SVR is able to provide more accurate bone age assessment results than the NNR. The experimental results from SVR are very close to the bone age assessment by skilled radiologists.     

支持向量机在早期癌症检测中的应用

支持向量机是在统计学习理论基础上发展而来的一种新的通用学习方法,较好地解决了有限样本的学习分类问题.在早期癌症诊断中,由于存在癌细胞缺乏、病人个体的特异性和数据本身的噪声等因素的影响,要进行非常准确的诊断是困难的.用支持向量机的分类算法,选取不同的核函数,构造了支持向量机的不同分类器,并将其应用于早期癌症诊断.非线性的支持向量机取得了较高的准确率,表明支持向量机在早期癌症的诊断中有很大的应用潜力.     

电离辐射影响人成纤维细胞基因表达谱的数据挖掘

目的从基因表达谱水平探讨2株人成纤维细胞和低剂量电离辐射3个时间点的可能交互效应，掘其差异表达基因。方法应用Gene Sifter在线软件和Panther生物学信息数据库，对下载于NCBI的GEO（Gene Expression Omnibus）数据库的12个样品GSM（数据包含2株成纤维细胞和每株细胞3个辐照时间点）．运用混合设计二因子的Two-Way ANOVA方法进行数据挖掘，并对差异表达基因进行聚类、主成分分析、模式分类、功能归类分析，最后用GenCLiP软件进行文献挖掘。结果获得41条交互效应的差异表达基因，主成分分析示每株细胞24h时间点的特征向量明显远离其他向量，差异基因表达可分为3种模式。基因功能归类分析提示，多个生物通路如有丝分裂、细胞周期、细胞结构、细胞凋亡等被显著激活，其中参与有丝分裂和细胞周期的差异表达基因由细胞骨架基因、微管运动基因、蛋白激酶基因等构成，细胞凋亡等效应获得文献支持。结论2株人成纤维细胞和低剂量电离辐射3个时间点有交互效应，存在基因差异表达，这些基因有可能成为鉴定成纤维细胞和辐照时间交互效应的生物标记。     

基于非线性动力学和高斯混合模型/支持向量机的病态嗓音识别与研究

传统的病态嗓音的识别研究中,通常采用线性分析技术分析嗓音的特性,将嗓音产生过程用一个经典的线性模型来近似,然而,这样却忽略了嗓音产生过程中的非线性特性。本文基于非线性动力学的分析方法,定量分析并提取了嗓音的7维非线性特征——Hurst参数、时间延迟、第二阶Rényi熵、香农熵、关联维、Kolmogorov熵(K熵)、最大Lyapunov指数。实验结果表明,非线性动力学的方法能够弥补传统分析方法的不足,较好分析正常与病态嗓音;应用高斯混合模型(GMM)和支持向量机(SVM)的模式识别方法,分别对测试集39例正常嗓音和36例病态嗓音进行识别,均得到较好的识别率,分别为97.22%和97.30%。     

基于支持向量回归方法的蛋白残基可溶性预测

介绍了一种从蛋白质序列预测残基相对可溶性的新方法。该方法基于支持向量回归，并将序列局部信息作为输入。不同于先前的大部分预测方法仅对特定的蛋白残基相对可溶性进行状态分类，该方法预测了相对可溶性的连续值，从而比状态分类保留了蛋白质三维结构的更多信息。本研究对RS-126，Manesh-215和CB-513三个数据集进行了测试。通过比较不同的参数及窗宽模型来获得最佳结果，采用平均绝对误差、相关系数等参数来衡量预测效果，同时与多层反馈神经网络方法（RVP-Net）的实验结果比较，在3-fold情况下三个数据集预测结果的平均绝对误差均有降低，相关系数均有提高。另外，该算法采用了多序列比对作为输入，效果比单序列有所提高。采用该方法，对CB-513数据集平均绝对误差可以达到16．8％、相关系数为0．562，而用RVP-Net方法分别为18．8％和0．480。这些结论表明支持向量回归方法是蛋白质序列分析的一种有效工具。     

人miR-16真核表达载体的构建与鉴定

目的构建人miR-16真核表达载体,为研究其基因表达调控机制建立实验基础。方法从人类基因组DNA中扩增miR-16的前体序列,引入酶切位点和polyT转录终止序列,酶切后插入siRNA表达载体pSuper中,构建miR-16真核表达载体pmiR-16,然后进行酶切和测序鉴定;同时构建含miR-16完全互补序列及乙肝表面抗原HBsAg的报告质粒pXF3H-HBs。将pmiR-16与pXF3H-HBs共转染肝癌细胞系HepG2,通过HBsAg ELISA检测试剂盒检测表达产物HBsAg的改变,鉴定真核表达载体pmiR-16的生物学活性。结果成功构建了人miR-16真核表达载体pmiR-16及其报告质粒。pmiR-16与pXF3H-HBs共转染HepG2后,pmiR-16组HBsAg的基因表达与对照组相比显著降低,证实pmiR-16转染真核细胞后具有生物学活性。结论miR-16真核表达载体的成功构建为进一步研究其基因表达调控机制建立了实验基础。     

用基因定点突变技术改建—免疫球蛋白重链可变区基因的通用表达载体

本文介绍了一种简便的、具有高突变率的基因定点突变方法。应用Bio-Rad Muta-Gene Phagemid Kit,在一装有表达载体上的抗NP(4-hydroxyl-3-nitrophenacetyl)免疫球蛋白重链可变区基因的J_a区引进BstE Ⅱ酶切位点,从而改建成一种能用于表达免疫球蛋白重链可变区基因的通用表达载体。应用该Kit,基因定点突变率达43％。