ورود
مقالات فارسیISIکنفرانسهاژورنالها

Classification Of Normal and Abnormal Lung Sounds Using Neural Network and Support Vector Machines

محل انتشار: بیست و یکمین کنفرانس مهندسی برق ایران
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,223

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/208137

شناسه ملی سند علمی:

ICEE21_079

تاریخ نمایه سازی: 27 مرداد 1392

چکیده مقاله:

This work proposes feature extraction of lung sounds using wavelet coefficients and their classification by neural network and support vector machines. The lung sounds wereclassified into 6 classes. The results stated the advantages of a support vector machines for the classification of normal andabnormal lung sounds, and indicated that SVMs are a highly successful classifier with accuracy about 93.51 - 100 for classification of lung sounds

کلیدواژه ها:

Lung Sounds ، Wavelet Transform ، Neural Network ، Support Vector Machines

نویسندگان

Samira Abbasi

Ph.D. Student, Computational Neuroscience Laboratory, Department of Biomedical Engineering, Faculty of Electrical Engineering, Sahand University of Technology, Tabriz, Iran

Roya Derakhshanfar

M.Sc. Student, Department of Biomedical Engineering, Science and Research Branch, Islamic Azad

Ataollah Abbasi

Assistant professor, Computational Neuroscience Laboratory, Department of Biomedical Engineering,

Yashar Sarbaz

Assistant professor, Department of Emerging Technology, School of engineering, University of Tabriz,