劉靜博，王 蓓，顧吉峰

(華東理工大學(xué) 信息科學(xué)與工程學(xué)院 化工過(guò)程先進(jìn)控制和優(yōu)化技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室，上海 200237)

0 引 言

迄今為止，睡眠分期[1]的主要研究在模式識(shí)別算法上，其中主要集中在有監(jiān)督學(xué)習(xí)算法，使用較多有神經(jīng)網(wǎng)絡(luò)[2-4]、隨機(jī)森林[5,6]、隱馬爾可夫模型[7]、支持向量機(jī)等，少量涉及無(wú)監(jiān)督學(xué)習(xí)算法如K均值聚類[8,9]等。由于睡眠數(shù)據(jù)自身類不平衡的特點(diǎn)，導(dǎo)致睡眠分期的分類效果欠佳，因此如何有效地生成睡眠數(shù)據(jù)顯得尤為重要。

目前，針對(duì)睡眠數(shù)據(jù)的生成算法研究主要集中在數(shù)據(jù)的過(guò)采樣。然而，由于睡眠數(shù)據(jù)屬于生物電信號(hào)，具有非線性和隨機(jī)性，傳統(tǒng)的過(guò)采樣會(huì)引起數(shù)據(jù)重合以及數(shù)據(jù)偏移的問(wèn)題。針對(duì)上述問(wèn)題，本文提出一種基于改進(jìn)的iBorder-SMOTE的數(shù)據(jù)生成算法對(duì)少數(shù)類樣本進(jìn)行擴(kuò)充，避免由于類不平衡導(dǎo)致模型訓(xùn)練不充分的現(xiàn)象，并選用了孿生支持向量機(jī)作為分類方法，實(shí)現(xiàn)睡眠分期的自動(dòng)判別。

1 睡眠分期及其相關(guān)研究

整夜睡眠是一個(gè)復(fù)雜且變化的生理過(guò)程，期間常常伴隨著眼動(dòng)、肌肉活動(dòng)、磨牙甚至夢(mèng)游等生理活動(dòng)。醫(yī)學(xué)領(lǐng)域的專家通過(guò)多導(dǎo)睡眠圖記錄得到的多通道生物電信號(hào)，包括腦電信號(hào)、肌電信號(hào)、眼電信號(hào)、脈搏血氧飽和度測(cè)定和呼吸等記錄來(lái)判讀睡眠的階段。1968年，Rechtschaffen A和Kales A制定了R&K睡眠分期準(zhǔn)則[10]。R&K準(zhǔn)則將睡眠分為3個(gè)基本階段，清醒期(Wake, W)、快速眼動(dòng)期(rapid eye movement，REM)和非快速眼動(dòng)期(non-rapid eye movement，NREM)，其中非快速眼動(dòng)期又被細(xì)分為4個(gè)時(shí)期，包括睡眠I期(S1)、睡眠II期(S2)、睡眠III期(S3)和睡眠IV期(S4)。2007年，美國(guó)醫(yī)學(xué)學(xué)會(huì)將S3和S4期合并為一個(gè)慢波睡眠期(slow-wave sleep，SS)。

自動(dòng)睡眠分期的研究主要是基于睡眠腦電信號(hào)，研究過(guò)程是通過(guò)對(duì)睡眠腦電信號(hào)的預(yù)處理，提取與睡眠相關(guān)的特征，最后將這些特征送入到分類器中進(jìn)行分類。然而，由于不同睡眠分期的樣本數(shù)量不平衡，會(huì)引起模型訓(xùn)練不足，進(jìn)而影響少數(shù)類樣本的分類準(zhǔn)確率。文獻(xiàn)[11]采用經(jīng)驗(yàn)?zāi)Ｊ椒纸鈱?duì)原始信號(hào)進(jìn)行分解，提取非線性信號(hào)的均值、方差、偏度和峰度作為特征向量，采用決策樹作為Adaboost算法的弱分類器進(jìn)行分類，平均準(zhǔn)確率為90%，但少數(shù)類S1的分類準(zhǔn)確度僅為39%。文獻(xiàn)[12]提出了一種基于邏輯平穩(wěn)過(guò)渡自回歸模型的睡眠分期方法，采用邏輯平穩(wěn)自回歸模型提取腦電信號(hào)特征，并用支持向量機(jī)進(jìn)行分類，平均準(zhǔn)確率為94%，其中少數(shù)類S1的分類準(zhǔn)確率僅為23%。此外，少數(shù)研究工作者進(jìn)行了數(shù)據(jù)生成方面的研究，文獻(xiàn)[13]采用改進(jìn)的合成少數(shù)過(guò)采樣算法對(duì)原始腦電數(shù)據(jù)進(jìn)行重構(gòu)并用于預(yù)訓(xùn)練。文獻(xiàn)[14]通過(guò)生成對(duì)抗網(wǎng)絡(luò)對(duì)原始腦電信號(hào)進(jìn)行生成，來(lái)達(dá)到平衡數(shù)據(jù)的目的。

如何避免數(shù)據(jù)不平衡對(duì)分類器的影響是自動(dòng)睡眠分期中有待深入研究的問(wèn)題。結(jié)合不同睡眠分期的特征樣本的分布特點(diǎn)，本文提出了一種基于改進(jìn)的iBorder-SMOTE的數(shù)據(jù)生成算法。該算法通過(guò)多簇最短距離來(lái)選取最優(yōu)的數(shù)據(jù)生成空間，同時(shí)引入中心異變擾動(dòng)方法消除數(shù)據(jù)偏移帶來(lái)的影響，來(lái)確保數(shù)據(jù)生成對(duì)提高睡眠分期分類精度的有效性。

2 改進(jìn)的iBorder-SMOTE算法

2.1 Border-SMOTE基本算法

邊界合成少數(shù)類過(guò)采樣技術(shù)(Border-SMOTE)[15]是在SMOTE[16]基礎(chǔ)上發(fā)展起來(lái)的一種過(guò)采樣方法，其基本思想如圖1所示。與SMOTE不同點(diǎn)在于，Border-SMOTE只對(duì)少數(shù)類的邊界樣本進(jìn)行過(guò)采樣，依據(jù)每個(gè)少數(shù)類樣本周圍數(shù)據(jù)的分類情況計(jì)算其k近鄰，將原始數(shù)據(jù)分為Danger樣本、Safe樣本和Noise樣本，其中少數(shù)類樣本的k近鄰全部或大部分為少數(shù)類樣本時(shí)，該點(diǎn)稱為Safe樣本點(diǎn)，當(dāng)少數(shù)類樣本的k近鄰多數(shù)類別個(gè)數(shù)與少數(shù)類別樣本大于或者相當(dāng)時(shí)，該樣本為Danger樣本，也稱為邊界樣本，其余稱為Noise樣本。針對(duì)Danger樣本周圍多數(shù)類與少數(shù)類比較接近，Border-SMOTE算法對(duì)此區(qū)域進(jìn)行樣本生成，生成算法同SMOTE算法，通過(guò)在少數(shù)樣本A和Abour之間進(jìn)行線性插值生成新的樣本Anew。

圖1 Border-SMOTE算法

Border-SMOTE算法針對(duì)少數(shù)類樣本k近鄰的類別所占比例對(duì)樣本區(qū)域進(jìn)行劃分，將數(shù)據(jù)樣本分為不同類別，針對(duì)危險(xiǎn)樣本進(jìn)行數(shù)據(jù)生成，從而解決了基礎(chǔ)SMOTE算法生成數(shù)據(jù)時(shí)，合成數(shù)據(jù)與多數(shù)類數(shù)據(jù)部分重疊的問(wèn)題。

2.2 改進(jìn)型iBorder-SMOTE算法

從數(shù)據(jù)生成的方式上來(lái)看，Border-SMOTE仍存在與SMOTE相同的問(wèn)題：忽略了樣本全局分布情況和數(shù)據(jù)生成迭代隨機(jī)。為了解決上述兩個(gè)問(wèn)題，本文對(duì)Border-SMOTE算法提出了相應(yīng)的改進(jìn)，并分別在2.2.1節(jié)和2.2.2節(jié)中進(jìn)行具體描述。

2.2.1 中心多簇最短路徑

密度峰值聚類算法[17]是一種簡(jiǎn)單有效的聚類算法。它將任意維度空間的數(shù)據(jù)映射在二維空間中，在二維空間中構(gòu)建數(shù)據(jù)之間的層次關(guān)系，從而可以非常容易地從中挑選出那些密度高、且與其它密度更高區(qū)域相隔較遠(yuǎn)的數(shù)據(jù)點(diǎn)，這些點(diǎn)被稱為密度峰值點(diǎn)，用來(lái)作為聚類中心，然后將那些密度值較低的點(diǎn)歸類于聚類中心進(jìn)而完成聚類[18]。

首先，利用密度峰值聚類算法確定i個(gè)聚類中心，記作ωi。由此，原始樣本被劃分為了i個(gè)聚類區(qū)域，進(jìn)而對(duì)每個(gè)區(qū)域計(jì)算當(dāng)前樣本的不平衡度。區(qū)域平衡度半徑定義為當(dāng)前聚類類別區(qū)域的聚類中心到該聚類類別中距離最遠(yuǎn)的點(diǎn)。不平衡度imb的定義如式(1)

(1)

其中，Nm為當(dāng)前聚類類別區(qū)域平衡度半徑內(nèi)劃分的總體多數(shù)類樣本個(gè)數(shù)，Nl為當(dāng)前聚類類別區(qū)域平衡度半徑內(nèi)少數(shù)類樣本個(gè)數(shù)，β是比例系數(shù)，用來(lái)限定區(qū)域不平衡的容忍程度。當(dāng)β較大時(shí)，原本的噪聲點(diǎn)可能會(huì)被劃分危險(xiǎn)區(qū)域。首先計(jì)算整體樣本的不平衡度imb作為分區(qū)的基準(zhǔn)，然后對(duì)于每個(gè)聚類中心ωi首先計(jì)算區(qū)域不平衡半徑，并對(duì)每個(gè)領(lǐng)域分別計(jì)算每個(gè)領(lǐng)域的imbi，最終確定k個(gè)聚類中心，即該k個(gè)聚類中心所代表的聚類類別區(qū)域?yàn)槲ｋU(xiǎn)區(qū)，具有較高的不平衡度，需要進(jìn)行數(shù)據(jù)生成任務(wù)。同時(shí)，生成m個(gè)噪聲點(diǎn)區(qū)域，噪聲點(diǎn)區(qū)域內(nèi)可能僅有個(gè)別稀疏點(diǎn)，因此直接剔除即可，剩余的為安全點(diǎn)區(qū)域。安全點(diǎn)和噪聲點(diǎn)滿足式(2)

(2)

假設(shè)所有少數(shù)類樣本點(diǎn)總數(shù)為n，維度為m維，對(duì)于這n個(gè)樣本點(diǎn)si和k個(gè)危險(xiǎn)區(qū)聚類中心點(diǎn)sj，分別計(jì)算其幾何中心σsn和聚類分布中心σsk，即把所有點(diǎn)相加取均值。其中σsn如式(3)所示

(3)

對(duì)于一個(gè)聚類中心ωi，分別計(jì)算ωi與σsn、σsk的直線表達(dá)式lni和lki。其中l(wèi)ni如式(4)所示

(4)

其中，wi為第i維變量的參數(shù)，αi為聚類中心ωi與σsn直線系數(shù)。

對(duì)于ωi領(lǐng)域內(nèi)的樣本點(diǎn)P，P的多簇中心最短距離為dpσ，根據(jù)dpσ選取距離較近的點(diǎn)為pbest，dpσ公式如下

(5)

其中，μ為區(qū)間[0,1]的隨機(jī)數(shù)，也可人為設(shè)定固定值。當(dāng)μ取0時(shí)，表示聚類中心ωi領(lǐng)域內(nèi)點(diǎn)pbest到聚類中心ωi與聚類分布中心σsk連線的最短路徑；當(dāng)μ取1時(shí)，表示表示聚類中心ωi領(lǐng)域內(nèi)點(diǎn)pbest到聚類中心ωi與樣本幾何中心σsn連線的最短路徑。dpσ結(jié)合了少數(shù)類總體樣本的幾何分布情況與待生成樣本聚類中心的空間分布情況。

在實(shí)際計(jì)算過(guò)程中，多簇中心最短路徑式(5)過(guò)于繁瑣，因此利用空間投影法計(jì)算點(diǎn)到直線的距離。假設(shè)當(dāng)前聚類類別聚類中心點(diǎn)為ω，該聚類類別中某一點(diǎn)為p，樣本幾何中心為σsn，聚類分布中心σsk，維度均為m維，多簇中心最短路徑式(5)可轉(zhuǎn)變?yōu)槿缦率?/p>

(6)

圖2為二維數(shù)據(jù)多簇最短路徑的示意圖，圖中的黑色點(diǎn)表示某一聚類中心的數(shù)據(jù)分布，黑色粗直線表示聚類中心與幾何中心連線，灰色細(xì)直線表示聚類中心與聚類分布中心的連線。根據(jù)密度聚類的特性，聚類中心附近的數(shù)據(jù)點(diǎn)更密集，以黑色粗直線為例，兩條黑色粗虛線圍成的直線區(qū)域即表示到該直線距離最短的點(diǎn)。通過(guò)該領(lǐng)域，可以將大部分的密集點(diǎn)與靠近黑色粗直線的點(diǎn)選中，結(jié)合黑色粗虛線對(duì)與灰色細(xì)虛線對(duì)的劃分區(qū)域，形成一個(gè)最優(yōu)樣本區(qū)域。該區(qū)域的數(shù)據(jù)點(diǎn)最能代表該聚類的分布。假設(shè)μ取0.5，則該區(qū)域變成了菱形或四邊形。該區(qū)域考慮到了聚類中心分布情況與樣本總體的分布情況，并且根據(jù)樣本分布情況，區(qū)域能夠進(jìn)行自適應(yīng)調(diào)整。

圖2 多簇最短路徑

為了解決SMOTE算法生產(chǎn)數(shù)據(jù)的盲從性，根據(jù)多簇中心最短距離，從小到大選取多個(gè)pbest值構(gòu)成集合A{pbest1,pbest2,pbest3,…}， 對(duì)集合內(nèi)的每個(gè)pbesti運(yùn)用SMOTE算法，如式(7)

pnewi=pbesti+random(0,1)(pbest(i+1)-pbesti)

(7)

2.2.2 中心異變擾動(dòng)

由中心多簇最短路徑確定的樣本點(diǎn)，結(jié)合了當(dāng)前少數(shù)類聚簇樣本的幾何信息與空間分布信息，避免了在數(shù)據(jù)生成時(shí)的盲從性，但對(duì)于特殊類聚簇樣本，聚類中心在迭代過(guò)程中靠近幾何中心，導(dǎo)致總體數(shù)據(jù)樣本偏移。圖3為二維數(shù)據(jù)樣本偏移示意圖位。從圖3中可以看到，原始樣本在數(shù)據(jù)生成時(shí)，整體數(shù)據(jù)樣本密度在往右下方偏移，從而導(dǎo)致左上方樣本點(diǎn)數(shù)量與新樣本的偏差增大。

圖3 二維數(shù)據(jù)樣本偏移

為了解決這個(gè)問(wèn)題，為算法引入了中心異變擾動(dòng)。具體操作如下：

(1)生成新樣本后，峰值密度算法計(jì)算所有樣本距離聚類中心的密度值；

(2)定義參數(shù)η，將密度值小于η的領(lǐng)域，確定為稀疏領(lǐng)域，將稀疏領(lǐng)域內(nèi)的點(diǎn)記作集合B{b1,b2,…}，B集合樣本點(diǎn)總數(shù)為n；

(3)根據(jù)聚類中心ω計(jì)算中心異變擾動(dòng)點(diǎn)，公式如下

(8)

由式(8)可以看到，當(dāng)稀疏領(lǐng)域的樣本點(diǎn)達(dá)到設(shè)定的臨界值時(shí)，以聚類中心ω為中心，向稀疏區(qū)域樣本點(diǎn)進(jìn)行隨機(jī)樣本生成，當(dāng)集合B中僅有一個(gè)元素時(shí)，該式即表示由聚類中心向離散點(diǎn)進(jìn)行一次SMOTE算法的運(yùn)算。

2.3 算法實(shí)施步驟

基于上述分析，將改進(jìn)的iBorder-SMOTE算法用于處理不平衡數(shù)據(jù)，可以結(jié)合樣本的聚簇情況、空間分布與幾何分布，彌補(bǔ)SMOTE算法在數(shù)據(jù)生成過(guò)程中的盲從性。

針對(duì)少數(shù)類樣本，iBorder-SMOTE算法的具體實(shí)施步驟如下：

Input：不平衡數(shù)據(jù)集S，其中S+為多數(shù)類樣本，S-為少數(shù)類樣本；

Output：平衡數(shù)據(jù)集Snew，其中S+為多數(shù)類樣Snew-為少數(shù)類樣本與生成樣本總數(shù)；

(1)設(shè)置迭代終止條件，例如樣本數(shù)量、迭代次數(shù)等；

(2)利用密度峰值聚類算法找到i個(gè)聚簇類別的聚類中心ωi；

(3)計(jì)算每個(gè)簇的樣本不平衡度imbi，劃分為安全區(qū)、危險(xiǎn)區(qū)、噪聲，剔出噪聲，其中危險(xiǎn)區(qū)的個(gè)數(shù)為k；

(4)計(jì)算幾何中心點(diǎn)σsn與聚簇分布中心點(diǎn)σsk；

(5)計(jì)算每個(gè)區(qū)域聚類中心ωi到σsn和σsk的直線lsi和lki；

(6)計(jì)算每個(gè)危險(xiǎn)區(qū)域Mdanger_k內(nèi)每個(gè)點(diǎn)的多簇中心最短距離dpσ，并確定每個(gè)區(qū)域Mdanger_k的最優(yōu)點(diǎn)集合Ai{pbest1,pbest2,pbest3,…}， 并生成新的數(shù)據(jù)樣本；

(7)針對(duì)每個(gè)危險(xiǎn)區(qū)Mdanger_k，首先計(jì)算密度系數(shù)程度ρi，并判斷生成數(shù)據(jù)是否產(chǎn)生偏移，對(duì)于產(chǎn)生數(shù)據(jù)偏移的危險(xiǎn)區(qū)，確定每個(gè)區(qū)域Mdanger_i的稀疏區(qū)域B{b1,b2,…}， 生成每個(gè)危險(xiǎn)區(qū)域Mdanger_i的中心異變擾動(dòng)點(diǎn)；

(8)是否滿足終止條件，否則進(jìn)行下一輪迭代。

3 算法測(cè)試的相關(guān)說(shuō)明

3.1 實(shí)驗(yàn)數(shù)據(jù)

實(shí)驗(yàn)環(huán)境：Intel(R) Core(TM) i7-7750HQ CPU@2.80 GHz，16 G內(nèi)存，64位Windows10系統(tǒng)，算法的實(shí)現(xiàn)采用64位Spyder，程序語(yǔ)言python3.6。

本文采用PhysioBank實(shí)驗(yàn)室公開的Sleep-EDF睡眠數(shù)據(jù)集，選取數(shù)據(jù)集中10名成年健康志愿者的多導(dǎo)睡眠圖，在整個(gè)實(shí)驗(yàn)過(guò)程中實(shí)驗(yàn)者均沒(méi)有食用任何藥物。腦電信號(hào)的采樣頻率為100 Hz，并按照30 s(3000個(gè)采樣點(diǎn))為一段，由睡眠專家根據(jù)美國(guó)睡眠學(xué)會(huì)標(biāo)準(zhǔn)分期標(biāo)準(zhǔn)進(jìn)行人工標(biāo)定,分為W、REM、S1、S2和SS這5個(gè)睡眠分期類別。

本文選用單通道(Fpz-Cz)的腦電數(shù)據(jù)，對(duì)每30 s一段的腦電信號(hào)進(jìn)行傅里葉變換，提取了6個(gè)頻域特征，構(gòu)成特征樣本 {Rδ,Rθ,Rα,Rσ,Rβ,Rγ}， 分別表示腦電信號(hào)中的δ波(0 Hz ～4 Hz)，θ波(4 Hz～8 Hz)，α波(8 Hz～12 Hz)，σ波(12 Hz～15 Hz)，β波(15 Hz～30 Hz)和γ波(30 Hz～49.5 Hz)的能量占比[13]。

3.2 分類模型

孿生支持向量機(jī)(twin support vector machine,TSVM)以廣義特征值向量機(jī)為基礎(chǔ)通過(guò)構(gòu)造正負(fù)兩個(gè)超平面，要求一類樣本點(diǎn)盡量接近，另一類樣本盡量遠(yuǎn)離?；谶@個(gè)特性，TWSVM對(duì)不平衡數(shù)據(jù)集也有著較好的分類性能。因此，本文選用了非線性孿生支持向量機(jī)作為睡眠分期用的分類器，選取RBF作為支持向量機(jī)的核函數(shù)，以解決沒(méi)有先驗(yàn)知識(shí)的非線性樣本函數(shù)。

3.3 模型評(píng)估標(biāo)準(zhǔn)

為全面評(píng)估模型的性能，采用精度(Precision，Pre)、召回率(Recall，Re)和F1值(F1-score，F(xiàn)1)對(duì)分類性能進(jìn)行評(píng)估，各標(biāo)準(zhǔn)的計(jì)算公式如下

(9)

(10)

F1=2PR×RE/(PR+RE)

(11)

其中，TP被模型預(yù)測(cè)為正的正樣本，TN被模型預(yù)測(cè)為負(fù)的負(fù)樣本，F(xiàn)P被模型預(yù)測(cè)為正的負(fù)樣本，F(xiàn)N被模型預(yù)測(cè)為負(fù)的正樣本。

4 實(shí)驗(yàn)結(jié)果與分析

4.1 非快速眼動(dòng)I期與II期的分類結(jié)果

從睡眠腦電數(shù)據(jù)集中，可以看出不同睡眠分期的樣本數(shù)量分布不平衡。非快速眼動(dòng)期II期(S2)樣本量最多，而非快速眼動(dòng)期(S1)期最少，兩者相差顯著。在整晚睡眠過(guò)程中，S1期和S2期同為淺睡眠狀態(tài)，通常從W經(jīng)過(guò)S1過(guò)渡到S2。

這里將樣本數(shù)據(jù)量差異顯著又較易相互混淆的S1與S2實(shí)施分類任務(wù)，分別采用SMOTE算法和改進(jìn)的iBorder-SMOTE算法，對(duì)1504條少數(shù)類S1的樣本數(shù)據(jù)進(jìn)行數(shù)據(jù)生成，生成后S1的數(shù)據(jù)量為2783條，將生成的樣本全部用于訓(xùn)練，其余的所有樣本進(jìn)行10折交叉驗(yàn)證。

表1是未進(jìn)行數(shù)據(jù)生成的分類結(jié)果，表2是采用SMOTE算法進(jìn)行數(shù)據(jù)生成后的分類結(jié)果，表3是采用改進(jìn)的iBorder-SMOTE算法進(jìn)行數(shù)據(jù)生成后的分類結(jié)果。

表1 S1和S2的分類結(jié)果(TWSVM)

表2 S1和S2的分類結(jié)果(SMOTE-TWSVM)

表3 S1和S2的分類結(jié)果(iBorder-SMOTE-TWSVM)

表1是未進(jìn)行數(shù)據(jù)生成的分類結(jié)果，從中可以看到S1與S2的分類效果均不夠理想，有大量的S1樣本被錯(cuò)分為S2樣本。表2和表3給出了分別采用兩種數(shù)據(jù)生成算法對(duì)S1進(jìn)行數(shù)據(jù)增強(qiáng)后的分類結(jié)果。相比表1，利用數(shù)據(jù)生成算法能夠提高少數(shù)類S1的分類準(zhǔn)確率，并且相比表2的SMOTE算法，表3的iBorder-SMOTE算法得到的分類性能指標(biāo)Pre、Re和F1均有提升。同時(shí)，對(duì)多數(shù)類S2來(lái)說(shuō)，表示分類綜合性能的F1指標(biāo)也有提升，減少了S1和S2相互之間的混淆。

4.2 睡眠分期的總體分類結(jié)果

以睡眠腦電數(shù)據(jù)集中的所有樣本作為分析對(duì)象，分別采用SMOTE算法和iBorder-SMOTE算法對(duì)少數(shù)類S1的樣本數(shù)據(jù)進(jìn)行擴(kuò)充，同樣將生成的樣本全部用于訓(xùn)練，其余的所有樣本進(jìn)行10折交叉驗(yàn)證。

表4是未進(jìn)行數(shù)據(jù)生成的分類結(jié)果。從中可以看到，SW、REM、S2和SS的分類準(zhǔn)確率均為80%左右，而少數(shù)類S1的分類準(zhǔn)確率僅為42%，有大量S1樣本被錯(cuò)分為S2。表5和表6給出了分別采用兩種數(shù)據(jù)生成算法對(duì)S1進(jìn)行數(shù)據(jù)增強(qiáng)后，不同睡眠分期的分類結(jié)果。不同睡眠分期的分類準(zhǔn)確率均有所提升。相對(duì)來(lái)說(shuō)，iBorder-SMOTE的效果更顯著，少數(shù)類S1的精度Pre由41.95提升至了52.73，召回率Re由21.48提升至了32.78，F(xiàn)1值有28.41提升至40.43，同時(shí)其余睡眠分期的F1值也有所提升，驗(yàn)證了算法的有效性。

表4 睡眠分期的分類結(jié)果(TWSVM)

表5 睡眠分期的分類結(jié)果(SMOTE-TWSVM)

表6 睡眠分期的分類結(jié)果(iBorder-SMOTE-TWSVM)

根據(jù)數(shù)據(jù)生成算法實(shí)施流程可知，采用本文所給出的改進(jìn)型iBorder-SMOTE算法，利用了多簇中心最短路徑，在數(shù)據(jù)生成上不再具有盲從性，而是在需要生成數(shù)據(jù)的聚類類別領(lǐng)域內(nèi)，依據(jù)數(shù)據(jù)的分布情況和密度情況，自動(dòng)劃分選擇需要生成的數(shù)據(jù)點(diǎn)，從而使得該區(qū)域內(nèi)的點(diǎn)具備較高的區(qū)域特性，對(duì)后續(xù)的樣本分類任務(wù)提供了有效的支持。同時(shí)，在睡眠分期判別的多分類任務(wù)中，將改進(jìn)的iBorder-SMOTE算法與孿生支持向量機(jī)相結(jié)合，有效提高了少數(shù)類樣本S1的識(shí)別精度，并且其在睡眠分期判別上的性能也優(yōu)于SMOTE算法，避免了模型訓(xùn)練不足的問(wèn)題。由于S1和S2是相鄰的兩個(gè)睡眠分期，頻域特征難免存在耦合現(xiàn)象，較易混淆，后續(xù)的研究工作可在此基礎(chǔ)上，進(jìn)一步研究并提高S1和S2的分類性能。

5 結(jié)束語(yǔ)

本文針對(duì)睡眠分期判別中少數(shù)類樣本識(shí)別較低的問(wèn)題，提出了一種改進(jìn)的iBorder-SMOTE數(shù)據(jù)生成算法。在Border-SMOTE算法的基礎(chǔ)上，提出了兩點(diǎn)改進(jìn)，即多簇中心最短距離與中心異變擾動(dòng)，避免了原算法在生成數(shù)據(jù)上的盲從性。結(jié)合孿生支持向量機(jī)作為分類器，與未進(jìn)行數(shù)據(jù)生成，以及SMOTE數(shù)據(jù)生成算法進(jìn)行了比較。結(jié)果表明，改進(jìn)的iBorder-SMOTE算法能夠有效提高睡眠分期中的少數(shù)類樣本的分類準(zhǔn)確率，同時(shí)也提升了睡眠分的整體判別效果。由于本文僅考慮睡眠腦電信號(hào)中的頻域特征，在一定程度上會(huì)因相鄰睡眠分期間的特征耦合而影響分類精度。本文的主要研究工作，能夠?yàn)榻鉀Q分類器在少數(shù)類上訓(xùn)練不足的問(wèn)題提供一種有效可行的數(shù)據(jù)生成算法。在此基礎(chǔ)上，后續(xù)可深入針對(duì)特征耦合問(wèn)題開展研究來(lái)進(jìn)一步提高分類精度。