現(xiàn)如今科學(xué)技術(shù)改變了我們的生活方式,尤其對(duì)信息安全有著嚴(yán)格要求,需要發(fā)展新型身份鑒別技術(shù)提高信息安全可靠性。新型生物識(shí)別技術(shù)安全便捷,為人們提供了極大的便利,并在市場(chǎng)上得到了廣泛的應(yīng)用。心電信號(hào)（electrocardiogram,ECG）屬于生物特征之一,之前在醫(yī)學(xué)臨床領(lǐng)域運(yùn)用,由于它得天獨(dú)厚的優(yōu)勢(shì),逐漸應(yīng)用在身份識(shí)別技術(shù)當(dāng)中。ECG特征表現(xiàn)的獨(dú)特優(yōu)勢(shì)主要包括以下兩點(diǎn):第一心電信號(hào)屬于體內(nèi)特征,難以竊取特征,而且心電采集技術(shù)歷史悠久、技術(shù)成熟;第二心電信號(hào)屬于一維信號(hào),相對(duì)其他生物特征處理更方便。目前關(guān)于ECG身份識(shí)別的研究已經(jīng)取得許多進(jìn)展,但在特征冗余、準(zhǔn)確率和時(shí)效性等方面存在不足。我們針對(duì)以上問題進(jìn)行了以下相關(guān)研究:1.構(gòu)建了一種基于ICA-CatBoost的ECG身份識(shí)別方案。梯度提升算法（Gradient Boosting,GB）具有良好的兼容性,在預(yù)測(cè)和分類中顯示出巨大的優(yōu)勢(shì),并為建立安全可靠的ECG身份識(shí)別模型提供了技術(shù)支持。鑒于目前國(guó)內(nèi)外存在特征冗余和準(zhǔn)確率不高的問題,本文構(gòu)建了基于ICA-CatBoost的ECG身份識(shí)別算法,其中CatBoost是基于梯度提升決策樹的... 

【文章來源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 ECG身份識(shí)別的可行性
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
    1.4 論文研究?jī)?nèi)容
    1.5 論文結(jié)構(gòu)安排
第2章 ECG相關(guān)知識(shí)及分類算法原理
    2.1 心電信號(hào)
    2.2 心電信號(hào)的噪聲
    2.3 主成分分析
    2.4 獨(dú)立成分分析
    2.5 常用分類算法原理
        2.5.1 決策樹
        2.5.2 集成學(xué)習(xí)算法
        2.5.3 GBDT模型
        2.5.4 CatBoost算法
    2.6 實(shí)驗(yàn)數(shù)據(jù)庫(kù)
    2.7 本章小結(jié)
第3章 基于ICA-CatBoost的 ECG身份識(shí)別
    3.1 預(yù)處理
    3.2 初始特征選取
        3.2.1 特征點(diǎn)檢測(cè)
        3.2.2 特征提取
    3.3 特征處理
    3.4 分類算法
        3.4.1 Catboost算法模型
        3.4.2 網(wǎng)格搜索
    3.5 實(shí)驗(yàn)結(jié)果與分析
        3.5.1 實(shí)驗(yàn)平臺(tái)及數(shù)據(jù)設(shè)置
        3.5.2 實(shí)驗(yàn)結(jié)果分析
    3.6 本章小結(jié)
第4章 基于Light GBM算法的ECG身份識(shí)別
    4.1 Light GBM算法
        4.1.1 Light GBM的基本原理
        4.1.2 Light GBM的優(yōu)點(diǎn)
    4.2 實(shí)驗(yàn)和分析
        4.2.1 Light GBM算法步驟
        4.2.2 Light GBM流程框圖
        4.2.3 Light GBM分類器性能分析
    4.3 本章小結(jié)
第5章 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 展望
參考文獻(xiàn)
作者簡(jiǎn)介及科研成果
致謝



本文編號(hào)：3041914