文档介绍：工学硕士学位论文

基于支持向量机的生理信号预测方法研究

姜鸿亮

哈尔滨工业大学
2006 年 6 月
国内图书分类号: TP181
国际图书分类号:

工学硕士学位论文

基于支持向量机的生理信号预测方法研究

硕士研究生: 姜鸿亮
导师:郑钢铁教授
申请学位:工学硕士
学科、专业: 一般力学与力学基础
所在单位:航天学院
答辩日期:2006 年 6 月
授予学位单位: 哈尔滨工业大学
Classified Index: TP181
.:

Dissertation for the Master Degree in Engineering

STUDY ON THE METHODS OF
PHYSIOLOGICAL SIGNAL PREDICTION
WITH SUPPORT VECTOR MACHINE

Candidate: Jiang Hongliang
Supervisor: Prof. Zheng Gangtie
Academic Degree Applied for: Master of Engineering
Specialty: General Mechanics and
Foundations of Mechanics
Affiliation: School of Astronautics
Date of Defence: June, 2006
Degree-Conferring-Institution: Harbin Institute of Technology
哈尔滨工业大学工学硕士学位论文
摘要

作为典型的生物信号—眼电、脑电、肌电信号,蕴涵着丰富的生理、心
理信息。生理信号的处理和实时预测,对于增进人们的健康、提高安全度和
改善人们的生活质量、减少与睡眠/疲劳相关的事故具有积极的现实意义。
眼电、脑电、心电、肌电都属于生物电,它们含有大量的警觉和睡眠深度信
息,如何根据已有的生理数据来预测评估未来一段时间内生理状态的变化也
是急需解决的问题。
本课题采用支持向量机的方法对人的生理信号预测方法进行研究。
本文的主要工作如下:运用非线性动力学理论,分析了基于相空间重构
理论的时间序列预测的方法,构造出基于SVM的时间序列预测的一般框
架;根据眼电信号及其眨眼特性,对给定测试者和相应眨眼参数数据做回归
估计,给出撞击事件预测建模及仿真。进一步对预测结果做尺度评价并与项
目合作者Cox的预测结果对比,结果表明所采用的方法具有较好的特征性。
另外预测出的撞击停车振动带时间与真实记录的撞击时间比较,得出人的疲
劳程度与测试者驾车撞击停车振动带的次数之间没有必然的因果关系。
将基于支持向量机的时间序列方法应用于睡意评估的预测。采用 SMO
算法建立了时间序列的回归估计模型。对 SENSTAION 项目提供的睡意评估
数据,按照不同的样本属性进行时间序列预测,结果表明,所采用的方法有
较好的预测精度。

关键词统计学习理论;支持向量机;时间序列;回归
- I -
哈尔滨工业大学工学硕士学位论文
Abstract

The living creature signal- eye electricity, brain of the conduct and actions
typical model electricity, the muscle munication number, contain
abundant information about physiology, psychology and pathology. The
physiological signal process and real-time forecasting analysis have enabled us to
promote the people of health, raise the safety degree , improve the people's living
quantity and reduce the trouble about lack of sleep or the tiredness as a result, the
signal p