基于PCANet的脉搏信号亚健康检测
【摘要】 目前亚健康状态识别中脉搏信号特征提取困难，且多依赖于手工提取特征而影响识别率。针对这一问题，本文提出了一种基于主成分分析网络（PrincilComponentAnalisNetwork，paysPCANet）的脉搏信号亚健康检测新方法。首先对预处理的脉搏信号进行特征提取；其次将这些特征进行哈希编码，直方图分块，作为特征描述；然后使用分类器将健康和亚健康的两类脉搏信号进行分类识别，并与传统特征提取方法的分类效果进行比较。实验结果表明本文方法对亚健康状态识别达到了较高的准确率，相比传统的特征提取方法，PCANet方法在识别率上提高了10%以上，因此，本文所提出的方法能够有效地区分健康与亚健康状态，为亚健康状态的检测提供了一种新的参考依据。
