教授一時興起，突然讓我研究一下鼾聲，用智能手機(jī)采集鼾聲，然后分析鼾聲，區(qū)分出正常鼾聲和危險鼾聲，我猜想可能會用到一些模式識別之類的知識
2 回答
明月笑刀無情
TA貢獻(xiàn)1828條經(jīng)驗 獲得超4個贊
很有意思的命題，本質(zhì)上仍然是經(jīng)典的分類問題，設(shè)計方案借鑒一般的模式識別問題解決方案。
1. 鼾聲數(shù)據(jù)的獲取，盡可能的豐富，可能要費(fèi)點功夫（亦或?qū)熖峁亢芟胫滥銈內(nèi)绾螀^(qū)分是正?；虿徽ｗ暎?。
2. 生成特征，聲音的相關(guān)特征量是必須的了，除此還可以考慮年齡、性別、體質(zhì)、區(qū)域、氣候等等。
3. 提取選擇特征，根據(jù)實際情況決定是否需要，本質(zhì)上是特征矩陣的降維，降低樣本的依賴性，提高分類效果。
4. 分類器設(shè)計，常見有Bayes決策、SVM、神經(jīng)網(wǎng)絡(luò)、決策樹、Boosting等方法。
我的經(jīng)驗是算法性能嚴(yán)重依賴于特征，好的特征一般的分類器就能滿足我們的需求；反之，再好的分類器也無能為力。
皈依舞
TA貢獻(xiàn)1851條經(jīng)驗 獲得超3個贊
我說點實際的建議：
首先要獲得特征
鼾聲的長度，和節(jié)奏
數(shù)字列表一段鼾聲的傅立葉分析（也就是頻譜）
數(shù)字列表既然有智能手機(jī)，還可以獲取從加速度儀獲得的振動信息
然后進(jìn)行歸類
先分成實驗組和對照組，進(jìn)行數(shù)據(jù)采集
進(jìn)行歸類時，一定要留出10%的樣本作為測試
其他建議
一定要對于數(shù)據(jù)進(jìn)行處理找到比較明顯的特征
用手機(jī)采集，數(shù)據(jù)用Matlab等工具進(jìn)行處理，爭取可視化，因為人腦還是比電腦更換的分類器，最后將完成的算法用于手機(jī)
可以當(dāng)鬧鈴使——當(dāng)人在潛層睡眠時打開鬧鈴，而不是不論睡眠情況如何，都定點打開鬧鈴
添加回答
舉報
0/150
提交
取消