心臟病長期以來都是人類健康的頭號殺手。心電圖(ECG)提供了心臟功能活動的重要信息,能夠幫助診斷一些常見的心臟疾病。傳統(tǒng)的ECG自動識別算法通過檢測QRS波群、P波、T波等波形,提取出每個波形的特征,然后依據(jù)這些特征對ECG進行分類。目前QRS波群的檢測比較成熟,但還無法做到對P波、T波的有效檢測。隨著醫(yī)療信息化的推進,醫(yī)院和社區(qū)已經(jīng)積累了海量的心電數(shù)據(jù)。時間序列相似性搜索方法可以不再拘泥于特定波形的檢測,而是從數(shù)據(jù)庫中查詢出最為相似的心電樣本,并依此判定測試樣本的類別。本文以心電時間序列的相似性搜索為主題,主要研究了心電時間序列的表示方法和相似性度量算法。主要研究工作和成果如下:心電時間序列是一種高維度的數(shù)據(jù),為了方便存儲、查詢和挖掘,需要對其進行壓縮表示。本文根據(jù)心電時間序列的特點,提出了基于殘差平衡及邊界約束的分段線性回歸方法(RBBC_PLR)。該方法利用殘差平衡和邊界約束兩個判定條件,能夠有效地識別出趨勢變化點,然后利用這些點對整個心電時間序列進行分段。RBBC_PLR在保留心電時間序列基本形態(tài)特征的同時,能夠更大程度地壓縮數(shù)據(jù)。實驗表...

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景和意義
    1.2 心電圖的相關(guān)概念
    1.3 國內(nèi)外相關(guān)研究和綜述
        1.3.1 心電圖自動識別
        1.3.2 時間序列相似性搜索
    1.4 問題的總結(jié)與分析
    1.5 本文主要研究內(nèi)容
    1.6 論文結(jié)構(gòu)安排
第2章 時間序列相似性搜索的相關(guān)算法
    2.1 時間序列的表示方法
        2.1.1 離散傅里葉變換
        2.1.2 離散余弦變換
        2.1.3 分段累積近似
        2.1.4 自適應(yīng)分段常數(shù)近似
        2.1.5 分段線性表示
    2.2 時間序列的相似性度量方法
        2.2.1 歐氏距離
        2.2.2 余弦距離
        2.2.3 最長公共子序列
        2.2.4 編輯距離
        2.2.5 動態(tài)時間彎曲
    2.3 k近鄰算法
    2.4 本章小結(jié)
第3章 心電時間序列的分段線性表示
    3.1 分段線性回歸
    3.2 基于殘差平衡及邊界約束的分段線性回歸
        3.2.1 算法的理論基礎(chǔ)
        3.2.2 算法的基本原理
        3.2.3 算法描述
    3.3 實驗設(shè)計與結(jié)果分析
        3.3.1 實驗一各種時間序列表示方法的對比
        3.3.2 實驗二算法在不同壓縮率下的表現(xiàn)
    3.4 本章小結(jié)
第4章 心電時間序列的相似性度量
    4.1 分段之間的“距離”
    4.2 基于轉(zhuǎn)換代價的動態(tài)時間彎曲算法
    4.3 實驗設(shè)計與分析
        4.3.1 實驗一驗證相似性度量算法的有效性
        4.3.2 實驗二心電自動識別算法之間的對比
    4.4 本章小結(jié)
結(jié)論
參考文獻
致謝



本文編號：3817594