[发明专利]一种基于改进狼群算法优化支持向量机的心音分类方法

说明书

一种基于改进狼群算法优化支持向量机的心音分类方法，其特征是包括如下步骤：步骤S1数据的预处理：包括心音信号的去噪与特征提取；步骤S2心音信号的分类：包括建立分类模型、分类；步骤S3模型优化与重构：模型优化利用改进的狼群算法寻找支持向量机的最优惩罚系数C和核函数参数找到最有适应度值，再利用训练数据对改进后的支持向量机进行训练然后根据模型进行分类。本发明来利用基于进行特征提取后的心音信号进行分类，通过支持向量机将低维关系映射到高维，并通过改进后的狼群算法优化支持向量机能够有效的对心音信号进行分类。

技术领域

本发明涉及一种基于改进狼群算法优化支持向量机的心音分类方法，属于数字信号处理技术领域。

背景技术

本发明公开了一种基于改进狼群算法优化支持向量机的心音分类方法，受狼群的分工协作的捕猎以及猎物分配特点的启发，狼群算法建模狼群捕食行为，从而能有效寻求最优解。狼群中最强壮的狼为头狼，它带领着狼群进行“指挥”捕猎，再者就是若干匹探狼，狼群不会整体出动去寻找猎物，而是派出部分探狼在搜索空间寻找猎物，探狼的任务就是觅食，寻找猎物；然后就是若干匹猛狼，在锁定目标后，对猎物展开围攻。在狼群捕到猎物后，并不是将猎物进行均匀分配给个体，而是更强壮的狼分配到的猎物会更多，体弱的狼得到更少的猎物或者得不到猎物，最终可能因为体弱饥饿而被大自然所淘汰，这也体现了优胜劣汰的生存法则，使得狼群朝着更加健壮更加强盛的方向发展。

发明内容

本发明的目的在于提供一种基于改进狼群算法优化支持向量机的心音分类方法，本发明来利用基于进行特征提取后的心音信号进行分类，通过支持向量机将低维关系映射到高维，并通过改进后的狼群算法优化支持向量机能够有效的对心音信号进行分类。

为实现上述目的，本发明提供如下技术方案：

与现有技术相比，本发明的有益效果：

1、改进狼群算法优化支持向量机。本发明使用改进狼鱼群算法优化支持向量机的高斯核函数宽度和惩罚因子，改进了支持向量机回归超参数无法自适应变化的缺陷，并且通过改进狼群算法自适应的优化支持向量机参数，避免了人为确定参数的不确定性，能够更好的适应不同场景。

2、心音的分类。本发明所获得模型能够有效的对心音进行分类识别，为心音信号的分类识别提供了一种新的方法，对进一步实现心脏疾病的临床辅助诊断具有重要价值。

针对传统狼群算法收敛速度慢、易陷入局部最优解的问题，本发明提出了改进狼群算法，其结合遗传算法中的交叉和变异操作和模拟退火算法中的Metropolis判别准则，增加了种群多样性，也保证了不丢失最优个体(头狼)，保证了搜索的精度，又可以同时扩大搜索范围，使狼群算法具有跳出局部最优的能力，之后使用模拟退火算法对头狼附近进行局部寻优，进一步提高算法的解的精度。支持向量机回归基于统计学习理论的机器学习方法，其将低维空间的数据向量映射到高维空间，在高维空间进行类线性回归，基于经验风险最小化和结构风险最小化构建目标函数，其能有效解决样本数量少、维数高的非线性优化问题，相对于其他分类算法具有的陷入局部最优和NNA算法过学习的问题，均可有效避免。其能针对心音信号进行有效的分类。本发明基于改进狼群算法优化支持向量机分类的方法能够较有效的对心音信号进行分类，能够提高心血管疾病的诊断水平和确诊率。

附图说明

图1为本发明的一种基于改进狼群算法优化支持向量机的心音信号分类的流程图。

图2为本发明的心音信号分类总体流程图。

图3为本发明的狼群捕猎示意图。

图4为本发明的交叉操作示意图。

图5为本发明的变异操作示意图。

图6为本发明改进的狼群优化支持向量机分类流程图。

具体实施方式