基于三域特征提取和GS-SVM的ECG信号智能分类技术研究 |
| |
作者姓名: | 方红帏 赵涛 佃松宜 |
| |
作者单位: | 四川大学电气工程学院,成都610065;四川大学电气工程学院,成都610065;四川大学电气工程学院,成都610065 |
| |
基金项目: | 国家自然科学基金(61703291);四川省科技厅应用基础研究项目(2016JY0085) |
| |
摘 要: | 近年来,基于单域的特征提取方法已经得到广泛的研究,并被用于心律失常的检测分类.事实上,多域特征提取在其分类中往往表现得更好.本文利用MIT/BIH心律失常数据库中的48组ECG信号进行预处理,从时域、频域和小波域提取了信号的三域特征,这些特征从各个方面充分表征了ECG信号的性质.再利用基于网格搜索的SVM结合归一化特征可将ECG信号划分为常见的4类.该方法的总体精度达到98.01%,f_1分值为0.9800,对ECG信号的检测性能良好,相对目前绝大多数ECG信号分类器具有更强的泛化能力.
|
关 键 词: | 心律失常检测 ECG信号分类 三域特征提取 信号预处理 基于网格搜索的SVM |
收稿时间: | 2019-03-22 |
修稿时间: | 2019-05-10 |
本文献已被 CNKI 万方数据 等数据库收录! |
| 点击此处可从《四川大学学报(自然科学版)》浏览原始摘要信息 |
|
点击此处可从《四川大学学报(自然科学版)》下载全文 |
|