多类不平衡数据上的分类器性能比较研究

不同的基分类器对不同分布类型的多类别不平衡数据的适应性存在较大差异。为此,针对分类器的选用问题,在分析比较准确率(ACC)及曲线下面积(AUC)的评价标准基础上,选择基于AUC的分类器评价方法,将支持向量机、决策树和贝叶斯分类器应用于标准数据集中,并采用AUC来评价结果,得出相关结论：在多类不平衡数据上,贝叶斯是最好的基分类器,且SVM分类器存在一定改进空间。     

心率变异时间序列的预处理算法

心率变异性(Heart rate variability,HRV)是近年来备受关注的无创性心电检测指标之一,但是HRV分析采用的心率变异时间序列(RR间期序列)由于受各类复杂因素的影响,会产生异常脉冲干扰及非平稳趋势波动,对后续的数据分析及有效信息提取产生很大的影响.针对该问题,本文提出一套用于心率变异时间序列预处理的算法,综合采用基于小波分解的去趋势方法和基于脉冲抑制滤波器、差分阈值滤波的方法去除原始间期序列中的非平稳趋势和异常脉冲干扰.通过时域频域对照分析及常用HRV统计指标的评估,结果表明,经本文所述预处理算法处理后的数据,有效抑制了脉冲干扰及非平稳趋势的影响,且主要信息无明显损失,各项常用HRV统计指标的诊断价值均得到了不同程度的提升.