# estimate-vital-signs
使用了三个模型来训练:逻辑回归、随机森林、SVR。监测仪器可以随时监测到被监测者的电子信号,需要将电子信号“翻译” 为被监测者能理解的生命体征数据,本项目建立通过电子信号估计生命体征数据的数学模型。
# How to use
运行每个train.py可以进行模型训练,
需要修改data_dir和model_dir的绝对路径,
训练后的模型会保存在对应的model文件夹下,
并输出呼吸频率、心率和体动各自的平均绝对误差(MAE)和均方根误差(RMSE)
运行每个predict.py可以手动输入数据进行预测,
需要修改regressor_breath、regressor_heart_rate、regressor_totalMotionp的绝对路径,
运行后输入电子信号数据(以空格分隔),如:
-16.7 -16.68 -16.7 -16.68 -16.68 -16.68 -16.7 -16.7 -16.71 -16.68 -16.68 -16.7 -16.68 -16.68 -16.68 -16.7 -16.7 -16.68 -16.7 -16.68 -16.67 -16.7 -16.68 -16.68 -16.68 -16.7 -12.93 -12.93 -16.68 -16.7 -16.7 -12.92 -12.93 -16.68 -16.7 -16.68 -16.68 -16.68 -16.7 -16.7 -16.68 -16.7 -16.7 -16.68 -16.7 -16.7 -16.68 -16.7 -16.68 -16.7
返回结果:
预测的呼吸频率: 12.607083409602534
预测的心率: 63.43132435898198
预测的体动: 0.8572433033145431
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
【资源说明】 1、该资源包括项目的全部源码,下载可以直接使用! 2、本项目适合作为计算机、数学、电子信息等专业的课程设计、期末大作业和毕设项目,作为参考资料学习借鉴。 3、本资源作为“参考资料”如果需要实现其他功能,需要能看懂代码,并且热爱钻研,自行调试。 基于逻辑回归、随机森林、SVR模型+监测仪器可以随时监测到被监测者的电子信号,需要将电子信号“翻译” 为被监测者能理解的生命体征数据,本项目建立通过电子信号估计生命体征数据的数学模型(python源码+项目说明).zip 基于逻辑回归、随机森林、SVR模型+监测仪器可以随时监测到被监测者的电子信号,需要将电子信号“翻译” 为被监测者能理解的生命体征数据,本项目建立通过电子信号估计生命体征数据的数学模型(python源码+项目说明).zip 基于逻辑回归、随机森林、SVR模型+监测仪器可以随时监测到被监测者的电子信号,需要将电子信号“翻译” 为被监测者能理解的生命体征数据,本项目建立通过电子信号估计生命体征数据的数学模型(python源码+项目说明).zip
资源推荐
资源详情
资源评论
收起资源包目录
基于逻辑回归、随机森林、SVR模型+监测仪器可以随时监测到被监测者的电子信号,需要将电子信号“翻译” 为被监测者能理解的生命体征数据,本项目建立通过电子信号估计生命体征数据的数学模型(python源码+项目说明).zip (19个子文件)
code_20105
timu.pdf 283KB
How to use.txt 1KB
linear_model
predict.py 972B
model
regressor_breath.pkl 1KB
regressor_totalMotion.pkl 1KB
regressor_heart_rate.pkl 1KB
误差计算.txt 367B
train.py 3KB
train.rar 22.65MB
README.md 1KB
SVR
predict.py 945B
model
regressor_breath.pkl 3.76MB
regressor_totalMotion.pkl 3.85MB
regressor_heart_rate.pkl 3.92MB
误差计算.txt 366B
train.py 3KB
RandomForestRegressor
predict.py 999B
误差计算.txt 355B
train.py 3KB
共 19 条
- 1
资源评论
土豆片片
- 粉丝: 1556
- 资源: 5641
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功