检索结果

Select

1. 基于遗传算法和极限学习机的Fugl-Meyer量表自动评估

王景丽李亮郁磊王计平方强

计算机应用 2014, 34 (3): 907-910. DOI: 10.11772/j.issn.1001-9081.2014.03.0907

摘要（540）

PDF （775KB）（479）

为实现脑卒中上肢居家康复评定的自动化和定量化，针对临床上最常用的Fugl-Meyer运动功能评定（FMA）量表，利用极限学习机（ELM）建立了FMA量表得分自动预测模型。选取FMA肩肘部分中的4个动作，采用固定于偏瘫侧前臂和上臂的两个加速度传感器采集24名患者的运动数据，经预处理和特征提取，基于遗传算法（GA）和ELM进行特征选择，分别建立单个动作ELM预测模型和综合预测模型。结果显示，该模型可对FMA肩肘部分得分进行精确的自动预测，预测均方根误差为2.1849分。该方法突破了传统评定中主观性、耗时性的限制及对康复医师或治疗师的依赖性，可方便用于居家康复的评定。速度传感器采集24名患者的运动数据，经预处理和特征提取，基于遗传算法（Genetic Algorithm, GA）和ELM进行特征选择，分别建立单个动作ELM预测模型和综合预测模型。结果显示，该模型可对FMA肩肘部分得分进行精确的自动预测，预测均方根误差为2.1849分。该方法突破了传统评定中主观性、耗时性的限制及对康复医师或治疗师的依赖性，可方便用于居家康复的评定。

相关文章 | 多维度评价

Select

2. 基于欧氏距离的支持向量机拒识区域解决方案

李仁兵李艾华蔡艳平李亮王涛

计算机应用 2010, 30 (2): 476-478.

摘要（1587）

PDF （540KB）（1208）

为克服传统多分类支持向量机中存在的拒识区域问题，提高算法的分类性能和泛化能力，提出一种基于欧氏距离的拒识区域解决方案。该方法直接计算落入拒识区域中的样本点到每类中心的欧氏距离，然后选择较小的欧氏距离对应的类为样本的所属类。基于标准数据集的实验结果表明，欧氏距离法实现了零拒识，有效提高了算法的分类性能和泛化能力。