基于主成分分析和支持向量机的睡眠分期研究  

Research on Individual Sleep Staging Based on Principal Component Analysis and Support Vector Machine

作　　者：周鹏[1,2] 李向新[1] 张翼[1] 明东[1,2] 董新明[3] 薛然婷 王学民[1,2] 

机构地区：[1]天津大学精密仪器与光电子工程学院,天津300072 [2]天津市生物医学检测技术与仪器重点实验室,天津30072 [3]北京军区天津疗养院,天津300000

出　　处：《生物医学工程学杂志》2013年第6期1176-1179,共4页Journal of Biomedical Engineering

基　　金：国家自然科学基金资助项目(81222021;51377120;31271062;61172008;81171423;51007063);天津市自然科学基金资助项目(13JCQNJC13900);国家科技支撑计划项目资助(2012BAI34B02);教育部新世纪优秀人才支持计划项目资助(NCET-10-0618)

摘　　要：睡眠分期研究是睡眠质量评价和相关疾病诊断的重要依据。为了实现自动睡眠分期,本文提出了将主成分分析(PCA)和支持向量机(SVM)联合使用的自动睡眠分期方法。首先利用PCA对5位受试者的睡眠脑电(EEG)信号时-频-空域和非线性动力学特征进行特征降维,降低数据冗余度;然后利用一对一(One-against-one classifiers,1-a-1)SVM实现睡眠自动分期。结果显示:自动睡眠分期平均正确率可达到89.9%,优于许多同类研究。The research of sleep staging is an important basis of evaluating sleep quality and diagnosing diseases. In order to achieve automatic sleep staging, we proposed a new method which combines with principal component analy sis （PCA） and support vector machine （SVM） for automatic sleep staging. Firstly, we used PCA to reduce dimen sion of time frequency space domains and nonlinear dynamical characteristics of sleep EEG from 5 subjects to reduce data redundancy. Secondly, we used l-a-1 SVM to classify sleep stages. The results showrd that the correct rate can reach 89.9 %, which was better than those of many other similar studies.

关 键 词：睡眠分期 主成分分析 支持向量机 

分 类 号：R318[医药卫生—生物医学工程]