基于聚类分析的心电节拍分类算法

为提高计算机辅助心电节拍分类算法的准确率和普适性,提出一种基于聚类分析的心电节拍分类算法,该算法利用心电节拍个体内差异性较小的特性,采用两级聚类分析、抽样代表性心电节拍的方法,结合心电医师的辅助诊断,实现对心电节拍的准确分类。为了验证算法的准确性,采用国际公认的标准数据库--MIT-BIH心律失常数据库,AAMI/ANSI标准规定的心电节拍分类方法及准确率的计算方法进行仿真实验,最终总体分类准确率达到99.07%。与Kiranyaz等(KIRANYAZ S, INCE T,PULKKINEN J, et al. Personalized long-term ECG classification: A systematic approach［J］. Expert Systems with Applications, 2011, 38(4): 3220-3226.)的心电节拍分类算法相比,该算法无需进行设定的训练,且S类心电节拍分类灵敏度由40.15%提高到89.82%,显著提高了分类算法的普适性。     

心电信号的计算机辅助分析方法的研究

本言详细阐述了心电信号的计算机辅助分析过程，着重说明了差分阈值法在心电信号识别过程中的实际应用、具体、算法关键性技术问题的解决方法，并对数据分析过程中自学习和自适应算法进行切合实际的描述。同时针对实际动物的不同，提出了对Ａｂｅｎｓｔｅｉｎ判据的修改。     

基于遗传聚类算法和小波变换特征的自动分类

研究了遥感影像的特点，提出了一种基于图像的正交小波变换构造特征，同时引入遗传聚类的分类方法，实现了遥感影像的自动分类。实验表明，将遗传聚类算法与小波特征相结合的分类方法具有自动、快速、自适应的优点，能克服传统分类方法中由于样本选择而产生的局限性，提高了识别的正确率。     

聚类算法在学分制下高校专业自动分类中的应用

聚类分析是数据挖掘领域广泛使用的一种技术,可以自动发现隐含在数据集中的分类模式.学分制体系下的学生选课数据可以看作分类属性的数据或布尔型数据.研究表明,使用距离作为测度的传统聚类算法并不适合处理这类数据.在分析数据集特点的基础上,提出了一个新的聚类算法,它用公共近邻点数来衡量两数据间的相似性,这样有利于考虑数据分布的全局特征,具有良好的聚类特性和可扩展性.通过在开发的模型系统上进行实验分析,得到了较好的实验结果,对较好解决学分制体系下学生专业自动分类问题具有积极意义.     

远程心电诊断传输系统的实现

介绍一个心电信号远程诊断传输实验系统。它由用户终端和医院用主机两部分组成。用户终端中的心电放大器和单片机８０９８，完成心电信号的放大，采集，压缩和传输。医院主机对经电话线传输来的心电数据进行解压恢复，分析处理。该系统在实际电话线上进行心电信号传输实验表明其正确率优于９９．９％，完全适合实际应用要求。     

基于聚类的文本分类算法框架研究

KNN算法因其易于理解、理论成熟等优点而被广泛应用于文本分类.由于KNN需遍历样本空间计算距离,当训练集样本规模较大或维数较高时,计算开销是巨大的.针对此问题,首先将遗传算法适应度函数设计部分与K-medoids算法思想相融合形成K-GA-medoids,其次将其与KNN相结合形成用于文本分类的算法框架,在分类过程中,...     

基于GSM远程心电自动监控系统的研究

介绍一种基于GSM网络实现远程心电自动监控系统的设计过程。该系统通过心电信号采集电路、单片机及接口电路、GSM通信模块电路以及GSM通信模块与上位机的连接来实现远程心电自动监控,利用标准的AT指令完成了心电采集数据短消息的发送、接收以及保存等功能,使监护仪成本大幅度下降,远程心电监护更易推广。具有广阔的应用前景。     

基于多核超限学习机的实时心电信号分析

心电分类是一种复杂的模式识别问题。目前,大部分基于不同机器学习模型的心电分类方法都取得了很高的分类精度,但学习效率不高,因此需要一种快速的心电学习方法。文章提出了基于多种核函数的超限学习方法,利用不同的核函数将特征映射到希尔伯特空间,使心电数据在高维空间中线性可分,并在 MIT-BIH 标准库进行了该方法的实验验证。与其他方法相比,文章所提出的方法具有较高的分类准确率和更快的学习速度,对临床上动态心电图的检测与分析和个性化的实时心电监测具有重要意义。     

结合节拍语义和MFCC声学特征的音乐流派分类

由于音乐节拍的强度、快慢、持续时间等是反映音乐不同流派风格的重要语义特征,而音乐节拍多属于由打击乐器所产生的低频部分,为此利用小波变换对音乐信号进行6层分解来提取低频节拍特征;针对节拍特征差异不明显的音乐流派,提出用描述频域能量包络的MFCC声学特征与节拍特征结合,并用基于音乐流派机理分析的8阶MFCC代替常用的12阶MFCC。对8类音乐流派实验仿真结果表明,基于语义特征和声学特征结合的方法,总体分类准确率可达68.37%,同时特征维数增加对分类时间影响很小。     

Linux高可用集群心跳机制研究

心跳是高可用集群的重要技术,文章分析了两个Linux高可用集群的心跳机制,指出了两个高可用集群心跳机制实现的优点和不足之处,总结了它们在心跳机制实现上相同点。     

一种网络节点通信控制的心跳模型

通过设计网络节点状态、改进心跳机制、定义心跳数据包协议,提出了一种改进心跳机制的心跳模型． 通过该模型在网络节点间传递心跳包,判断网络节点间的连接状况,从而采取相应的措施,提高网络节点服务和通 信的可用性和可靠性;同时,有效地降低了单服务器多客户机工作模式下服务器的网络负担．对心跳模型进行了性 能分析和模拟测试,结果表明,该模型达到了较好的效果,能够有效地提高网络节点通信的可用性和有效性．     

基于心跳行为分析的木马快速检测方法

基于通信行为分析的木马检测算法的计算复杂度较高。为此,提出一种基于心跳行为分析的木马快速检测方法,通过对木马通信中心跳行为的描述,选取2个会话特征对木马通信流与正常通信流进行分类,基于该方法设计一个木马快速检测系统TRDS。实验结果表明,TRDS能够在百兆线速网络中快速有效地检测出木马通信。     

基于SVM的中文文本自动分类研究

详细介绍了进行文本分类的过程,并着重介绍了一种新的基于结构风险最小化理论的分类算法——支持向量机,通过实验比较支持向量机算法和传统的KNN算法应用于文本分类的效果,证实了支持向量机在处理文本分类问题上的优越性。     

基于OAI-PMH架构的元数据分类研究

提出了一种基于规则和学习相结合的元数据分类存储的方法,该方法通过统计分析,提取对元数据分类影响较大的通用特征规则,对无法用规则分类的元数据,采用文本学习方法,将元数据记录看成由多个属性字段组成的文本,通过构造分类器实现分类。实验结果表明,采用元数据分类存储方法具有良好的检索性能。     

网络心跳包序列的数据流分簇检测方法

在对网络会话进行时序分析的基础上,提出基于数据流分簇处理的心跳包序列检测方法。对数据流进行时序分簇处理,按周期性特征扩充簇集合,筛除不符合特征的簇对象,根据稳定的簇集合检测心跳包序列。实验结果表明,该方法检测率较高、误检率较低,能够实现实时检测和处理。     

基于复合弹簧振子模型的实时心跳模拟

本文针对心脏介入仿真系统,提出了一种实时心跳模拟方法。该方法首先根据心脏的解剖结构建立了心脏的复合弹簧振子模型,然后根据心脏跳动的基本规律,使用逆向动力学技术将心房、心室的收缩、扩张与整个模型结合起来,从而得到心脏外表面的跳动效果。在此基础上,本文还实现了冠状动脉的运动模拟。实验结果表明,本方法简单、高效,能够在视觉上提供实时逼真的心脏跳动效果。     

一种基于SVM和领域综合特征的Email自动分类方法

Email自动分类已成为半结构化文本信息自动处理的研究热点。本文在时已有Email自动分类方法深入研究的基础上,提出了一种基于SVM和领域综合特征的Email自动分类方法。主要包括：一是将SVM引入到Email自动分类研究中,并对SVM学习算法中的核函数和参数选择进行了探讨;二是鉴于词频的特征表示方法难以准确表示Email主要内容,因此将领域知识引入Email特征表示中,并在此基础上提出了一种综合领域知识和词频的特征表示方法,用于Email分类。该方法是在词频特征的基础上加入人工总结出的领域特征,从而更能准确地表示Email的主要内容,以提高Email分类的平均F-score。通过实验,验证了基于SVM和领域综合特征的Email自动分类方法能有效地提高Email自动分类处理的准确性。     

中文网页自动分类研究

本文以实践经验为基础,对网页的源程序公共结构进行了分析,并充分考虑到中文网页的文字特点,给出了一种中文网页的分类方法与实现手段,结果表明该方法行之有效。     

基于概念层次的英文文本自动分类研究

该文意在设计并且实现一个针对英文文本的自动归类以及检索系统,重点在于提高分类方法的准确率。自动文本分类系统中,一般来说文本内容是以N维特征空间的形式存储的,所以特征提取的方法和准确率极大地影响到分类结果的正确率。传统方法是基于词形的,并不考察词语的意义,忽略了同一意义下词形的多样性、不确定性以及词义之间的关系,尤其是上下位关系。该文提出的方法,在向量空间模型(VSM)的基础上,以“概念”为基础,同时考虑词义的上位关系,使得训练过程中可以从词语中提炼出更加概括性的信息,从而达到提高分类精度的目的。