基于小波变换的心电图QRS波群检测方法

提出一种对心电图QRS波群进行检测的方法,该方法采用Marr小波对心电信号按照Mallat算法进行分解滤波,利用小波变换与信号奇异点之间的关系,在尺度3下采用幅度阈值法对QRS波群进行检测,同时运用综合检测方法进行复检,从而提高R波检测的正确率。以国际上广泛承认的心电数据库MIT-BIH中的记录对算法进行检验,正确检出率在99.8%以上。此检测方法具有简单、运行速度快的特点,易于在临床诊断实时性检测系统中实现。     

基于自适应小波变换的QRS波检测算法

提出了一种新的心电ＱＲＳ波检测算法,该算法用心电信号的小波变换作为自适应白化滤波器的输入,然后对白化滤波后的输出进行匹配滤波和阈值检测来识别出ＱＲＳ波．用ＭＩＴ心电数据库对该算法进行了评估,并与其他几种算法的结果进行了比较,表明此算法在ＱＲＳ检出率和计算速度上都有一定的改善．     

一种基于自适应小波变换的QRS波检测算法

为了解决心电图QRS波检测的问题,研究了一种基于自适应小波变换来检测QRS波的算法。该方法用心电信号的小波变换作为自适应白化滤波器的输入,然后对白化滤波后的输出进行匹配滤波和阈值检测来识别出QRS波。采用该方法,有利于减小检测的误检率以及提高运行速度。     

改进的基于小波变换的QRS波检测算法

为提高心电信号QRS波的检测精度,分析了小波变换对信号奇异点检测原理,提出了改进的基于小波变换的QRS波检测方法.该方法通过考察小波分解系数进行R峰位置区间定位,R波漏检回溯及正向、倒置R波判断的QRS波检测方法;并提出了一种新的跟随阈值.该算法在Matlab仿真环境中,经过对MIT-BIH数据库中典型14条ECG (...     

基于小波变换与Hilbert变换的QRS波检测方法研究

针对心电波形检测中小波算法的缺点,将小波变换与Hilbert变换结合应用于QRS波的检测中。利用这2种数学工具的特性,提出了一种新的检测算法,该方法可以有效地从其它波形（Q波、S波、P波和T波）中将R波检测出来。在虚拟仪器的开发平台——Lab VIEW图形化编程语言基础上,通过MIT／BIH心电数据库验证,R波的检测率可达99．74％。     

多级自组织映射用于心电信号QRS波群聚类

提出了一种利用多级自组织映射(MSOM)网络进行心电QRS波群聚类的算法。此方法将归一化的两导联心电数据作为第一层自组织映射网络的输入,其输出作为第二层自组织映射的输入,最后得到聚类结果。网络迭代学习过程采用了特殊的设计,能根据不同类别自适应调整学习参数,从而提高了自组织映射的聚类能力。使用MIT-BIH数据库数据的聚类结果表明,这种方法非常适合心电QRS波群的聚类,对室性早搏(PVC)真阳性检出率达到99.1%,且聚类效率比ART-2网络方法、匹配方法有明显优势。     

基于粗糙集和自组织神经网络的聚类方法

自组织神经网络在学习过程中采取竞争机制选取最优匹配神经元获胜，然而实际情况可能有一组神经元都非常匹配输入向量。引入粗糙集的上近似与下近似理论，选择一组最匹配神经元获胜。实验证明基于粗糙集和自组织神经网络的聚类算法，较之传统的自组织神经网络聚类算法聚类结果更平均，死神经元更少，是一种良好的聚类算法。     

一种基于模糊聚类的小波图像压缩方法

基于小波变换的图像压缩算法在比特率较低时会出现重构图像边缘模糊现象．在充分考虑高频子带小波系数的分布特性对保存边缘、纹理等信息的影响之后，提出了一种新的基于势函数模糊聚类的方法来解决重构图像边缘模糊问题，实验结果显示：这种方法能较好地保存图像边缘和纹理信息，有效地减少边缘模糊现象和改善重构图像的主观质量．     

基于数学形态学和小波分解的QRS波群检测算法

为了解决心电图 QRS波群检测的问题 ,研究了一种基于数学形态学及小波分解相结合来检测 QRS波群特征点的算法。数学形态学算法是基于信号局部特征的 ,可以有效地突出信号的峰谷点 ;小波分解对信号做多分辨率分解 ,可以突出信号的特征信息 ,便于 QRS波群检测。实验结果表明 :两种分析方法的结合可以有效地消除基线漂移 ,低频干扰 ,以及大 T波的影响。其 QRS波检出率达到 99.86 % ,从而提高了波形的信噪比     

QRS波相位检测算法

在ECG信号中,QRS波群含有大量的信息,它对ECG信号的分析具有指导意义,因而QRS波群的检测得到了广泛地研究。文章通过对小波处理过程的研究,发现采用快速卷积的小波变换,通过判断小波相位符号的变化,可以准确地定位R波;这种手段本质上依然是过零点的检测,但是由于不依赖于幅度域值,所以更加有效。     

心电信号QRS波群的小波精确识别法

利用M arr小波特有的时频特性,采用离散小波变换的直接算法,对心电信号QRS波群进行识别,经M IT/B IH心电数据库的检测验证,即使有严重的噪声信号干扰,也能精确定位R波,其正确率为99.7%,能准确地识别QRS时限,实时地识别R波和QRS时限。可用于心电信号实时处理。     

基于小波变换和动态聚类的图象分割方法

本文讨论了一种结合小波变换和非监督动态聚类的图象分割算法。在图象分割过程中,首先用小波变换提取图象中的边缘信息,再利用所得的边缘信息和原图象的灰度信息进行聚类。实验证明了这种方法是行之有效的。     

基于轮廓波变换的模糊聚类图像分割

提出基于轮廓波变换的模糊聚类图像分割算法,从变换域的角度提高传统聚类算法的抗噪声能力.首先用轮廓波变换对含噪声图像消嗓,然后再进行聚类图像分割.实验结果表明:新算法能够获得较好的图像分割效果和质量.     

基于SAR图像滤波的小波模糊聚类算法

针对合成孔径雷达(SAR:Synthetic Aperture Radar)图像固有的相干斑噪声,提出了基于小波模糊聚类算法的去噪方法.该方法把信号和噪声的小波系数的分割看为一个两类模式分类问题.通过将小波系数幅值和高频子图像中的边缘信息作为聚类特征进行噪声系数分离,实现了精确分离小波系数,滤除相干斑噪声的目的.该算法不需要选择阈值和了解噪声的先验知识,有较强的数据自组织能力.实验结果表明,二维聚类滤波的信噪比提高了近8%,图像显示效果也得到了明显改善.     

基于聚类原理自动确定小波边缘检测阈值

用小波进行图象边缘检测，在具体实现还需人工介入一阈值以消除噪声，应用时很不方便，基于小波边缘检测的特点，再利用模式识别中有关聚类的一整套方法，就可针对不同的图象自动确定阈值，从而消除噪声，以获得较好的边缘检测效果。     

基于LSI和自组织神经网络的高效文本聚类方法

根据隐含语义索引(LSI)理论和动态自组织映射神经网络理论,提出了一种文本聚类的新方法.应用动态自组织映射神经网络来实现文本聚类,不必预先给定聚类个数,可以在任意合适的位置生成一个新的类,具有聚类灵活和精度高等特点,对于高维的文本特征向量来说,聚类速度很低;该方法应用LSI理论来建立文本集的向量空间模型,在词条的权重中引入了语义关系,消减了原词条矩阵中包含的"噪声"因素,从而更加突出了词和文本之间的语义关系.通过奇异值分解(SVD),有效地降低了向量空间的维数,克服了自组织神经网络的聚类缺陷,提高了文本聚类的精度和速度.     

一种改进的QRS波检测方法

对QRS波群的检测算法进行研究,针对基于经验模式分解的传统QRS波检测方法存在的一些问题加以改进,提出新的检测方法.该方法利用心电信号经过经验模式分解后,QRS波能量主要分布在第1个固有模态函数IMF1的特性,通过对IMF1进行阈值收缩去噪、线性高通滤波以及非线性低通滤波等预处理突出QRS波的特征信息,最后利用自适应阈值法检测QRS波.研究结果表明:利用心率失常库MIT-BIH中的记录对该检测方法进行检验,正确检出率超过99.8%;该方法简单有效,准确率高,适于实际应用.     

基于自组织神经网络SOM和K-means聚类算法的图像修复

近来自然图像的修复已经成了一个热门话题.提出了一种基于K-means聚类算法的自组织神经网络(SOM),称为SOM-K.它首先利用SOM来训练每一个像素的特征向量,并把一幅图像分层.这样就能把每个破损像素分到每层,同时SOM训练后的输出也通过K-means聚类算法来聚合,分别在各个层中修复破损的像素.最后把修复好的各层溶合到一起.与单独使用SOM相比,SOM-K具有更精确的分类能力.     

基于小波聚类的数据集简化算法研究

大数据集没有非常有效的简化方法。提出一种基于小波聚类的数据预处理的算法DPWaveCluster,该算法包括量化特征空间、小波变换、聚类、形成查找表、映射数据点到聚类,以及按要求在聚类标识周围选取适当数据点形成简化数据集等操作步骤。利用小波变换的多分辨分析特性获得无监督聚类来帮助简化数据集。通过synthetic_dat和topo标准数据集的仿真实验表明,该算法实现简化大数据集高效而适用。     

基于准正交导联的心电信号QRS波检测与识别

本文介绍一种用计算机分析心电图时对QRS波进行检测与识别的新方法，在现有的基础上，抛弃了以单一导联为基准的做法，提出了以三个准确正交导联为基准，构成准正交复合波进行波形检测的新方法，主要特点是在准正交复合波上检测R峰，并采用双阈值的斜率法进行波峰识别及一阶和二阶差分相结合的方法实现波群起止点的识别。