| 基于机器学习的心律失常信号分类算法研究 |
| |
| 引用本文： | 刘腾,唐虹,张士兵. 基于机器学习的心律失常信号分类算法研究[J]. 计算机应用研究, 2020, 37(3): 940-943 |
| |
| 作者姓名： | 刘腾 唐虹 张士兵 |
| |
| 作者单位： | 南通大学 电子信息学院,江苏 南通226019;南通先进通信技术研究院,江苏 南通226019;南通大学 电子信息学院,江苏 南通226019;南通先进通信技术研究院,江苏 南通226019 |
| |
| 基金项目： | 江苏省高等学校自然科学研究重大项目;南通大学-南通智能信息技术联合研究中心开放课题 |
| |
| 摘 要： | 心电图中心律失常信号的分类识别是诊断心血管类疾病的重要依据。基于MIT-BIH提供的数据文件，通过小波变换提取了心电信号的21组特征信息，针对常见五类心律信号的分类识别进行了研究，设计实现了基于softmax回归和神经网络的分类算法。实验结果表明，一个适用的神经网络算法训练速度更快，在较少的迭代次数下，分类识别的正确率稳定在90%以上。
|
| 关 键 词： | 心律失常信号 分类识别 小波变换 softmax回归 深度神经网络 |
| 收稿时间： | 2018-07-14 |
| 修稿时间： | 2018-08-30 |
Study on classification algorithm of arrhythmia signals based on machine learning |
| |
| Liu Teng,Tang Hong and Zhang Shibing. Study on classification algorithm of arrhythmia signals based on machine learning[J]. Application Research of Computers, 2020, 37(3): 940-943 |
| |
| Authors: | Liu Teng Tang Hong Zhang Shibing |
| |
| Affiliation: | School of Electronics and Information,Nantong University,, |
| |
| Abstract: | Based on the data files provided by the MIT-BIH, this paper extracted the characteristic information of ECG signals by wavelet transform, and studied the classification and recognition of common signals. This paper mainly designed and implemented three classification algorithms based on softmax regression and neural network. Simulation experiments show that the training speed of a suitable neural network algorithm is faster. With fewer iterations, the accuracy rate of classification recognition is more than 90%. |
| |
| Keywords: | arrhythmia signal classification and identification wavelet transform softmax regression deep neural network |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
