本文關(guān)鍵詞：支持向量機（SVM）及其在心電圖（ECG）分類識別中的應(yīng)用，，由筆耕文化傳播整理發(fā)布。

【摘要】： 本文研究了基于支持向量機算法的心電圖分類,創(chuàng)造性地提出了利用支持向量機1-v-1 SVMs(One-Versus-One)算法對心電圖進行分類的方法。并通過MIT-BIH心電數(shù)據(jù)庫進行實例分析,獲得了較高的識別率,且在算法模型的構(gòu)造和分類速度上優(yōu)于常規(guī)方法。 在引言中介紹了論文的研究目的與意義,ECG識別的現(xiàn)狀及支持向量機的研究進展。 在第一章中,介紹了心電圖的常識與測量方法。 在第二章中,概要總結(jié)了統(tǒng)計學(xué)習(xí)理論與支持向量機方法的基本理論。 在第三章中,結(jié)合支持向量機對ECG多分類問題進行了研究并提出了一系列的分類方法和特點以及采用支持向量機進行分類的優(yōu)勢。 在第四章中,分析了各種方法的優(yōu)劣,最終選取利用支持向量機1-v-1 SVMs(One-Versus-One)算法對心電圖進行分類。先確定了算法的模型,然后選取合適的核函數(shù)和參數(shù),并通過MIT-BIH心電數(shù)據(jù)庫進行了實例分類試驗。最后對全文進行了總結(jié),并指出了下一步研究的問題與方向。
【關(guān)鍵詞】：多類分類 支持向量機 心電圖分類 特征提取
【學(xué)位授予單位】：四川師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2007
【分類號】：R318;O234
【目錄】：

• 摘要3-4
• 英文摘要4-8
• 引言8-11
• 第一章 心電圖常識與測量11-18
• 1.1 常規(guī)心電圖11
• 1.2 常規(guī)導(dǎo)聯(lián)系統(tǒng)11-15
• 1.3 心電圖的測量15-18
• 第二章 統(tǒng)計學(xué)習(xí)理論與支持向量機18-34
• 2.1 機器學(xué)習(xí)的基本問題18-22
• 2.1.1 傳統(tǒng)學(xué)習(xí)理論的困難18-19
• 2.1.2 機器學(xué)習(xí)問題的描述19-20
• 2.1.3 經(jīng)驗風(fēng)險最小化20-21
• 2.1.4 模型復(fù)雜度與推廣能力21-22
• 2.2 統(tǒng)計學(xué)習(xí)理論22-25
• 2.2.1 學(xué)習(xí)機器的VC 維22
• 2.2.2 推廣性的界22-23
• 2.2.3 結(jié)構(gòu)風(fēng)險最小化23-25
• 2.3 支持向量機原理25-34
• 2.3.1 線性可分的最優(yōu)分類面25-29
• 2.3.2 線性不可分的最優(yōu)分類面29-30
• 2.3.3 支持向量機30-34
• 第三章 基于支持向量機的ECG 分類方法和特點34-40
• 3.1 基于支持向量機的ECG 分類方法34-37
• 3.2 支持向量機方法特點37-40
• 第四章 基于支持向量機的ECG 分類40-47
• 4.1 支持向量機對心點信號的分析處理40-41
• 4.2 支持向量機1-V-1 算法模型41-42
• 4.3 支持向量機1-V-1 算法核函數(shù)的選取42-43
• 4.4 支持向量機1-V-1 算法參數(shù)的確定43
• 4.5 結(jié)論43-47
• 4.5.1 支持向量機1-V-1 算法分類試驗結(jié)果43-45
• 4.5.2 下一步研究的方向45-47
• 參考文獻47-52
• 致謝52-53
• 攻讀碩士學(xué)位期間的科研成果53

【引證文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 馮麗霞;楊延宗;叢培鑫;;骨折性肺栓者心電圖分析[J];中國現(xiàn)代醫(yī)生;2008年21期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前7條

1 李斌;基于模式識別技術(shù)的眼科疾病輔助診斷系統(tǒng)的研究[D];吉林大學(xué);2011年

2 史國潔;紙質(zhì)心電圖數(shù)字化信息提取的關(guān)鍵問題研究[D];天津理工大學(xué);2012年

3 張君麗;基于基因表達譜的癌癥分類問題研究[D];上海師范大學(xué);2012年

4 張冰;基于計算機視覺的鋼軌扣件系統(tǒng)螺母缺失檢測技術(shù)[D];中國計量學(xué)院;2012年

5 周廣濤;基于多小波變換的脈象信號識別的研究[D];重慶大學(xué);2012年

6 宋宇寧;心律失常智能診斷系統(tǒng)的研究與實現(xiàn)[D];東北大學(xué);2010年

7 張程;基于樸素貝葉斯的piRNA識別問題研究[D];上海師范大學(xué);2013年

  本文關(guān)鍵詞：支持向量機（SVM）及其在心電圖（ECG）分類識別中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

本文編號：315573