Методы машинного обучения для исследования звуков легких
В статье рассматриваются основные методы машинного обучения с целью применения их к задаче классификации звуков легких. На основе базы звуков легких был получен ряд параметров сигналов. Задачей исследования было провести классификацию звуков при помощи пяти различных методов машинного обучения, а та...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Igor Sikorsky Kyiv Polytechnic Institute
2017-12-01
|
| Series: | Mìkrosistemi, Elektronìka ta Akustika |
| Subjects: | |
| Online Access: | http://elc.kpi.ua/article/view/108829 |
| Summary: | В статье рассматриваются основные методы машинного обучения с целью применения их к задаче классификации звуков легких. На основе базы звуков легких был получен ряд параметров сигналов. Задачей исследования было провести классификацию звуков при помощи пяти различных методов машинного обучения, а также определить из ряда параметров сигналов теиз них, которые дают в конечном счете наивысшую точность. Таким образом было найдено семь наиболее диагностически ценных параметров звуков дыхания и выявлено, что два метода машинного обучения - метод опорных векторов и метод дерева принятия решений - показали наилучшие результаты. Таким образом, данная методика классификации может служить вспомогательным инструментом для врача-пульмонолога в постановке диагноза.
Библ. 18, табл. 5. |
|---|---|
| ISSN: | 2523-4447 2523-4455 |