44、基于睡眠阶段持续时间的睡眠记录聚类分析

基于睡眠阶段持续时间的睡眠记录聚类分析

1. 睡眠记录聚类规则

利用睡眠阶段持续时间对睡眠记录进行聚类,采用 JRIP 规则,仅使用 wake.Q3 SWS.Q1 对 3 个聚类进行划分,规则如下:
- (wake.Q3 >= 50) => cluster=cluster2 (10.0/0.0)
- (SWS.Q1 >= 30) => cluster=cluster3 (41.0/2.0)
- (SWS.Q1 >= 17) and (6 >= wake.Q3 >= 4) => cluster=cluster3 (13.0/3.0)
- => cluster=cluster1 (180.0/37.0)

括号内为覆盖度/误差。该模型准确率为 0.77,ROC 曲线下平均面积为 0.76。此模型虽分类性能一般,但能对 k = 3 时的聚类进行简单描述,表明聚类 2 与较长的清醒期持续时间相关,这与相关图示一致。

2. 持续时间聚类的统计特性

2.1 聚类规模与成员关系

通过 EM 算法得到的持续时间聚类规模如下表所示。不同 k 值(2、3、4)的聚类之间存在一定关系:
| k 值 | 聚类编号 | 数量 |
| ---- | ---- | ---- |
| 2 | 1 | 211 |
| 2 | 2 | 33 |
|

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值