本文關(guān)鍵詞：支持向量機(jī)（SVM）及其在心電圖（ECG）分類識(shí)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(jī)算法的心電圖分類,創(chuàng)造性地提出了利用支持向量機(jī)1-v-1 SVMs(One-Versus-One)算法對心電圖進(jìn)行分類的方法。并通過MIT-BIH心電數(shù)據(jù)庫進(jìn)行實(shí)例分析,獲得了較高的識(shí)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(shí)別的現(xiàn)狀及支持向量機(jī)的研究進(jìn)展。 在第一章中,介紹了心電圖的常識(shí)與測量方法。 在第二章中,概要總結(jié)了統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī)方法的基本理論。 在第三章中,結(jié)合支持向量機(jī)對ECG多分類問題進(jìn)行了研究并提出了一系列的分類方法和特點(diǎn)以及采用支持向量機(jī)進(jìn)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(jī)1-v-1 SVMs(One-Versus-One)算法對心電圖進(jìn)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(jìn)行了實(shí)例分類試驗(yàn)。最后對全文進(jìn)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(jī) 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(jí)別】：碩士
【學(xué)位授予年份】：2007
【分類號(hào)】：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(shí)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(jì)學(xué)習(xí)理論與支持向量機(jī)18-34
• 2.1 機(jī)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(jī)器學(xué)習(xí)問題的描述19-20
• 2.1.3 經(jīng)驗(yàn)風(fēng)險(xiǎn)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(jì)學(xué)習(xí)理論22-25
• 2.2.1 學(xué)習(xí)機(jī)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(xiǎn)最小化23-25
• 2.3 支持向量機(jī)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(jī)30-34
• 第三章 基于支持向量機(jī)的ECG 分類方法和特點(diǎn)34-40
• 3.1 基于支持向量機(jī)的ECG 分類方法34-37
• 3.2 支持向量機(jī)方法特點(diǎn)37-40
• 第四章 基于支持向量機(jī)的ECG 分類40-47
• 4.1 支持向量機(jī)對心點(diǎn)信號(hào)的分析處理40-41
• 4.2 支持向量機(jī)1-V-1 算法模型41-42
• 4.3 支持向量機(jī)1-V-1 算法核函數(shù)的選取42-43
• 4.4 支持向量機(jī)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(jī)1-V-1 算法分類試驗(yàn)結(jié)果43-45
• 4.5.2 下一步研究的方向45-47
• 參考文獻(xiàn)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(xiàn)】

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(shí)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(dá)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(jì)算機(jī)視覺的鋼軌扣件系統(tǒng)螺母缺失檢測技術(shù)[D];中國計(jì)量學(xué)院;2012年

5 周廣濤;基于多小波變換的脈象信號(hào)識(shí)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(shí)現(xiàn)[D];東北大學(xué);2010年

7 張程;基于樸素貝葉斯的piRNA識(shí)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(jī)（SVM）及其在心電圖（ECG）分類識(shí)別中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：315573