基于优化后的稀疏k-means算法的心脏健康状况分类

基于稀疏k-means非监督学习的聚类算法,就心律失常、充血性心力衰竭、心肌缺血、突发性心脏死亡及健康心脏电信号进行了分类研究。相比传统k-means算法,非监督学习的聚类算法能将数据从RAM中直接加载并分类,有效节省了分类时间和内存。通过优化稀疏k-means算法中分类输出的迭代方法,构建了有望应用于人体的分类器心脏检测仪。实验表明,经优化的稀疏k-means算法在截取时间为6 s时,处理数据时间短至0.34 s,精确度高达98.52%。并利用Silhouette侧影聚类,对优化后的稀疏k-means算法进行分类校验,验证了算法的有效性,为心脏健康状况实时快速精确监测提供了新思路。