發(fā)布時(shí)間：2019-03-22 06:28

【摘要】：針對(duì)心律失常分類性能受輸入信號(hào)質(zhì)量、提取的分類特征集及分類器三者共同影響,為準(zhǔn)確分類,提出一種新的利用軟閾值小波消除心電信號(hào)噪聲、核主成分分析約簡心電信號(hào)原始特征集及極限學(xué)習(xí)機(jī)(ELM)分類的組合方法。同時(shí)由于基本ELM用于心律失常分類問題時(shí)隨機(jī)初始化輸入?yún)?shù)易導(dǎo)致部分隱含層節(jié)點(diǎn)無效,從而需要大量的隱含層節(jié)點(diǎn)才能達(dá)到分類性能要求的問題,提出采用遺傳算法(GA)優(yōu)化ELM,用MIT-BIH心律失常數(shù)據(jù)庫進(jìn)行實(shí)驗(yàn),對(duì)六種不同類型的心律心拍得到98.68%的平均分類準(zhǔn)確率,98.19%的平均靈敏度,98.64%的平均特異性,實(shí)驗(yàn)結(jié)果表明,所提方法在運(yùn)行時(shí)間上更快,準(zhǔn)確率更高,適合于心律失常分類的實(shí)際應(yīng)用。
[Abstract]:The classification performance of arrhythmia is affected by the quality of input signal, extracted classification feature set and classifier. In order to accurately classify arrhythmia, a new method to eliminate ECG signal noise by soft threshold wavelet is proposed. The combination of kernel principal component analysis (KPCA) and extreme learning machine (ELM) classification is used to reduce the original feature collection of ECG signals. At the same time, because of random initialization of input parameters when basic ELM is used for arrhythmia classification, some hidden layer nodes are not effective, so a large number of hidden layer nodes are needed to meet the classification performance requirements. Genetic algorithm (GA) was used to optimize ELM, and MIT-BIH arrhythmia database was used to carry out experiments. The average classification accuracy and sensitivity of six different cardiac beats were 98.68% and 98.19%, respectively. The average specificity of 98.64% is 98.64%. The experimental results show that the proposed method has faster running time and higher accuracy. It is suitable for the practical application of arrhythmias classification.
【作者單位】： 河北工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與軟件學(xué)院;河北工業(yè)大學(xué)電氣工程學(xué)院;
【分類號(hào)】：TN911.7;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊紹華;;一種基于核主成分分析的人臉識(shí)別方法[J];河北科技師范學(xué)院學(xué)報(bào);2008年03期

2 常衛(wèi)東;劉完芳;鄢喜愛;;兩種特征提取技術(shù)在入侵檢測中的應(yīng)用[J];長春工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年01期

3 常衛(wèi)東;王正華;張顏華;劉完芳;鄢喜愛;;基于核主成分分析的虹膜識(shí)別方法[J];空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年05期

4 楊紹華;林盤;潘晨;;利用小波變換提高基于KPCA方法的人臉識(shí)別性能[J];山東大學(xué)學(xué)報(bào)(理學(xué)版);2007年09期

5 夏國恩;;基于核主成分分析特征提取的客戶流失預(yù)測[J];計(jì)算機(jī)應(yīng)用;2008年01期

6 劉素京;楊琳;王從慶;;基于核主成分分析和支持向量機(jī)的飛機(jī)艙音信號(hào)識(shí)別[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年S2期

7 馮興杰;馮小榮;王艷華;;基于核函數(shù)的PCA在QAR數(shù)據(jù)分析中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2009年14期

8 郭飛;王成;;基于LMP和KPCA的人臉識(shí)別[J];計(jì)算機(jī)工程;2010年24期

9 殷俊;周靜波;金忠;;基于余弦角距離的主成分分析與核主成分分析[J];計(jì)算機(jī)工程與應(yīng)用;2011年03期

10 趙麗紅;孫宇舸;蔡玉;徐心和;;基于核主成分分析的人臉識(shí)別[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年08期

相關(guān)會(huì)議論文 前9條

1 熊偉;萬忠宏;張紅英;幸華剛;;基于聚類的核主成分分析方法在地震屬性降維中的應(yīng)用[A];中國地球物理學(xué)會(huì)第二十七屆年會(huì)論文集[C];2011年

2 顏根廷;馬廣富;朱良寬;宋斌;;一種魯棒支持向量機(jī)算法[A];2006中國控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

3 徐揚(yáng);陳實(shí);田玉敏;;基于核主成分分析的步態(tài)識(shí)別[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（二）[C];2008年

4 林健;朱幫助;;基于核主成分分析的區(qū)域經(jīng)濟(jì)社會(huì)發(fā)展綜合評(píng)價(jià)[A];第25屆中國控制會(huì)議論文集（下冊）[C];2006年

5 薛永剛;朱靖波;魏剛;;基于核主成分分析的文本分類[A];第二屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議（NCIRCS-2005）論文集[C];2005年

6 秦建玲;李軍;;基于核的主成分分析的特征提取方法與樣本篩選[A];2005年中國機(jī)械工程學(xué)會(huì)年會(huì)論文集[C];2005年

7 劉旭;陸文聰;王立升;;改進(jìn)核函數(shù)算法在蛋白質(zhì)分類中的應(yīng)用[A];中國化學(xué)會(huì)第28屆學(xué)術(shù)年會(huì)第14分會(huì)場摘要集[C];2012年

8 師麗強(qiáng);張斌;陽春華;;基于核主元分析的凈化除鈷過程數(shù)據(jù)預(yù)處理研究[A];2011第十六屆全國自動(dòng)化技術(shù)與應(yīng)用學(xué)術(shù)年會(huì)專輯[C];2011年

9 彭妮娜;易維寧;方勇華;;基于核函數(shù)的高光譜圖像信息提取研究[A];光子科技創(chuàng)新與產(chǎn)業(yè)化——長三角光子科技創(chuàng)新論壇暨2006年安徽博士科技論壇論文集[C];2006年

相關(guān)博士學(xué)位論文 前10條

1 王權(quán)海;子空間分析方法在地震勘探等信號(hào)處理中的初步應(yīng)用研究[D];成都理工大學(xué);2013年

2 蔣金山;圖像模式分類與檢索[D];華南理工大學(xué);2004年

3 汪東;基于支持向量機(jī)的選時(shí)和選股研究[D];上海交通大學(xué);2007年

4 史衛(wèi)亞;大規(guī)模數(shù)據(jù)集下核方法的技術(shù)研究[D];復(fù)旦大學(xué);2008年

5 陳其松;智能優(yōu)化支持向量機(jī)預(yù)測算法及應(yīng)用研究[D];貴州大學(xué);2009年

6 羅德江;基于核方法的井—震多屬性碎屑巖儲(chǔ)層預(yù)測技術(shù)研究[D];成都理工大學(xué);2012年

7 趙麗紅;人臉檢測和識(shí)別算法的研究與實(shí)現(xiàn)[D];東北大學(xué);2006年

8 潘永惠;基于神經(jīng)計(jì)算的服裝縫紉性能模糊評(píng)價(jià)研究[D];江南大學(xué);2008年

9 蘇時(shí)光;譜主成分分析及其在多指標(biāo)評(píng)價(jià)體系中的應(yīng)用[D];中國農(nóng)業(yè)大學(xué);2004年

10 舒云星;水泥燒成系統(tǒng)故障診斷與質(zhì)量預(yù)測支持向量機(jī)方法的研究[D];武漢理工大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 姜蘇迪;核主成分分析在企業(yè)經(jīng)濟(jì)效益分析中的應(yīng)用[D];哈爾濱工程大學(xué);2011年

2 賈亞瓊;基于核主成分分析的圖像降噪方法研究[D];華南理工大學(xué);2010年

3 沈徐輝;基于核主成分與支持向量機(jī)的體內(nèi)藥物代謝預(yù)測[D];浙江大學(xué);2011年

4 林偉;基于核主成分分析和核Fisher判別分析的精神負(fù)荷分類[D];華東理工大學(xué);2013年

5 萬康康;基于核主成分分析的原像問題研究[D];南京理工大學(xué);2014年

6 王輝;基于核主成分分析特征提取及支持向量機(jī)的人臉識(shí)別應(yīng)用研究[D];合肥工業(yè)大學(xué);2006年

7 常衛(wèi)東;智能入侵檢測中的特征提取和集成學(xué)習(xí)技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2005年

8 劉亭;基于統(tǒng)計(jì)學(xué)習(xí)的魚齡識(shí)別方法的研究[D];天津理工大學(xué);2009年

9 黃浩;基于高分辨率衛(wèi)星影像的城市植被信息提取與分析研究[D];河海大學(xué);2005年

10 李樂;人臉識(shí)別方法研究[D];天津大學(xué);2005年

，

本文編號(hào)：2445342