基于蚁群优选的半监督主动协同睡眠分期方法研究

摘要

基于脑电信号(EEG)的睡眠分期对于睡眠疾病的检测、预防和治疗有着重要的意义.传统的分期方法在使用EEG信号进行分期时存在冗余特征、标记样本需求量高这两方面的不足,影响了该方法的应用范围.为了提高该方法的适用范围,采用一种蚁群算法与半监督学习算法结合的睡眠分期算法(ACOTSS),根据对称KL距离筛选低置信度样本,利用主动学习策略和协同训练进行不同置信度样本的标注以提升低标注样本下的分类正确率.采用麻省理工的公开数据集验证算法的分期效果,结果表明ACOTSS算法在保证分期精度的同时,比ALKLSS和LS-SVM的分期性能分剐提升了16.83％和8.59％,证明该算法在低标记样本下具备可行性.