基于支持向量机的无创血糖光谱算法

摘要

为了实现无创血糖浓度检测,提出了基于支持向量机回归模型的无创血糖光谱算法.该算法使用光电容积脉搏波(PPG)设备对志愿者指端红光、红外光交替采样得到PPG信号,然后通过微创血糖仪测得血糖浓度.对采集到的PPG信号进行处理提取特征组成特征矩阵,分别运用不同机器学习模型对特征矩阵和实时血糖浓度进行回归训练,得到特征矩阵与血糖浓度间的关系,并对训练得到的函数关系进行验证,选取出高斯核支持向量机模型为最佳训练模型.实验证明,与偏最小二乘回归进行对比,本文提出的运用核函数为高斯核的支持向量机算法的预测准确度能提升10％～15％,预测的高低血糖正确率达到98％.