本文關鍵詞：基于核獨立成分分析的心電信號特征提取和分類算法研究

  更多相關文章： 心電信號 特征提取 分類 核獨立成分分析 支持向量機

【摘要】：隨著人們生活水平的逐步提高,人們對健康的意識也在不斷增強。然而現(xiàn)今心臟病的發(fā)病率也在逐年升高,已逐漸成為威脅人類健康的“第一殺手”,因此掌握其發(fā)生、發(fā)展規(guī)律及其防治措施極其重要。心電圖作為心臟電活動在體表的反映,在臨床上對于心臟部分疾病的檢測和診斷具有重要的指導意義。由于心電信號波形的復雜多變性,加上各種噪聲的干擾,使得從心電圖中提取有效數(shù)據(jù)特征變得困難。因此,對心電信號特征提取和分類算法進行研究具有重要的理論和現(xiàn)實應用價值。本文根據(jù)心電信號的特點提出了一種改進的基于核獨立成分分析結合離散小波變換提取心電信號特征的算法。首先通過主成分分析對用于核獨立成分分析提取非線性特征的樣本數(shù)據(jù)進行降維優(yōu)化得到20維特征,再通過離散小波變換提取第一尺度到第四尺度的細節(jié)系數(shù)和第四尺度的近似系數(shù)作為頻域特征,采用統(tǒng)計學方法分別取其最大值、最小值、平均值和標準偏差后得到20維頻域特征,采用線性判別法將數(shù)據(jù)優(yōu)化到4維,最后將優(yōu)化的特征組成多域特征空間。分類診斷中對于支持向量機的分類器設計,本文選取LIBSVM作為分類器對優(yōu)化后的特征向量分類,并采用遺傳算法對LIBSVM的懲罰因子C和徑向基函數(shù)的核寬度g兩個參數(shù)進行尋優(yōu),然后對MIT-BIH心律異常數(shù)據(jù)庫的正常的心電信號、左束支傳導阻滯、右束支傳導阻滯、心室早期收縮和心房早期收縮五種信號進行分類。分類器的性能統(tǒng)計指標有靈敏度、特異度和陽性預測準確度,它們的平均值分別為98.50%、99.69%和98.91%。另外,測試集的分類準確率為98.8%,達到了預期的分類效果。本文最后采用該算法對Prosim 2生命體征模擬器采集到的心電信號進行了實驗分類。本文通過準確提取最能反映心電信號本質(zhì)的特征,實現(xiàn)了對不同類型心電信號進行高精度的分類識別。這對于提高診斷效率,縮短診斷時間,對心臟病患者的病情監(jiān)護以及康復后的有效評價具有積極意義。
【關鍵詞】：心電信號 特征提取 分類 核獨立成分分析 支持向量機
【學位授予單位】：天津工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TN911.7;R540.4
【目錄】：

• 學位論文的主要創(chuàng)新點3-4
• 摘要4-5
• ABSTRACT5-9
• 第一章 緒論9-15
• 1.1 課題的研究目的和意義9
• 1.2 課題的國內(nèi)外研究現(xiàn)狀及發(fā)展動態(tài)9-12
• 1.2.1 心電信號特征提取的研究現(xiàn)狀及發(fā)展動態(tài)10-11
• 1.2.2 心電信號分類識別的研究現(xiàn)狀及發(fā)展動態(tài)11-12
• 1.3 本文的主要研究內(nèi)容及章節(jié)安排12-15
• 第二章 心電學理論基礎15-21
• 2.1 心電信號產(chǎn)生的機理15-16
• 2.2 正常心電信號波形的意義16-17
• 2.3 心律失常的原因17-18
• 2.4 常用標準心電數(shù)據(jù)庫18-19
• 2.5 本章小結19-21
• 第三章 核獨立成分分析21-31
• 3.1 獨立成分分析(ICA)21-23
• 3.1.1 ICA的基本原理21-22
• 3.1.2 ICA問題的求解22-23
• 3.1.3 ICA技術的優(yōu)勢和缺陷23
• 3.2 核方法23-26
• 3.2.1 核方法的理論基礎23-24
• 3.2.2 核函數(shù)的定義24
• 3.2.3 再生核和再生核Hilbert空間24-25
• 3.2.4 Gram矩陣25-26
• 3.3 核獨立成分分析26-30
• 3.3.1 核典型相關分析26-28
• 3.3.2 核獨立成分分析的求解28-30
• 3.4 本章小結30-31
• 第四章 心電信號的多域特征提取算法研究31-43
• 4.1 實驗數(shù)據(jù)的選取31-33
• 4.2 基于KICA方法的心電信號非線性特征提取33-36
• 4.2.1 主成分分析法33-35
• 4.2.2 非線性特征提取的仿真35-36
• 4.3 基于離散小波分析的心電信號頻域特征提取36-42
• 4.3.1 線性判別法36-37
• 4.3.2 頻域特征提取的仿真37-42
• 4.4 本章小結42-43
• 第五章 基于支持向量機的分類器設計43-57
• 5.1 常用的心電信號分類算法43-44
• 5.2 統(tǒng)計學習理論與支持向量機44-49
• 5.2.1 統(tǒng)計學習理論44-45
• 5.2.2 支持向量機45-49
• 5.3 遺傳算法參數(shù)尋優(yōu)在LIBSVM中的應用49-50
• 5.4 ECG數(shù)據(jù)分類結果與分析50-56
• 5.4.1 分類器的性能評估50-51
• 5.4.2 ECG數(shù)據(jù)的分類結果51-56
• 5.5 本章小結56-57
• 第六章 心律失常分類的實驗設計57-65
• 6.1 心電信號采集系統(tǒng)的設計57-60
• 6.2 Prosim 2生命體征模擬器的信號采集和分類60-64
• 6.3 本章小結64-65
• 第七章 總結與展望65-67
• 7.1 論文工作總結65-66
• 7.2 展望66-67
• 參考文獻67-71
• 發(fā)表論文和參加科研情況71-73
• 致謝73

【相似文獻】

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 王國慶;董春紅;孫雨安;丁青竹;孫曉麗;;基于核獨立成分分析-小波變換-紅外光譜法的地黃炮制過程監(jiān)控[A];第九屆全國計算（機）化學學術會議論文摘要集[C];2007年

2 傅若瑋;宋執(zhí)環(huán);;基于核獨立成分分析的過程故障檢測方法[A];全國第19屆計算機技術與應用（CACIS）學術會議論文集（上冊）[C];2008年

3 李華;李吉光;高鈞;張?zhí)忑?李華;;在線紅外結合核獨立成分分析對3,5-二氨基-1,2,4-三唑合成機理的研究[A];中國化學會第29屆學術年會摘要集——第19分會：化學信息學與化學計量學[C];2014年

中國碩士學位論文全文數(shù)據(jù)庫 前7條

1 梁歡;基于核獨立成分分析的心電信號特征提取和分類算法研究[D];天津工業(yè)大學;2016年

2 彭磊;分塊核獨立成分分析的人臉識別方法研究[D];廣東工業(yè)大學;2012年

3 祝元春;基于核獨立成分分析的發(fā)酵過程監(jiān)測方法研究[D];北京化工大學;2013年

4 劉卓欣;基于核獨立成分分析的邊緣特征表示[D];華南理工大學;2011年

5 婁俊;基于核獨立成分分析的人臉檢測與識別系統(tǒng)的應用研究[D];武漢科技大學;2008年

6 任亞平;基于核獨立成分分析的圖像去噪[D];華南理工大學;2011年

7 孫士博;核獨立成分分析在心律失常模式分類中的應用[D];燕山大學;2009年

，

本文編號：970396