计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2012年
1期
219-222
,共4页
孙立%吕艳萍%杨开涛%李绍滋%李旭洲
孫立%呂豔萍%楊開濤%李紹滋%李旭洲
손립%려염평%양개도%리소자%리욱주
心电图%多元对应分析%监督分类%机器学习
心電圖%多元對應分析%鑑督分類%機器學習
심전도%다원대응분석%감독분류%궤기학습
高维心电图数据存在大量不相关特征,基于监督机器学习技术很难同时获得较高敏感性与特异性.在预处理操作心电图数据,如校准基线漂移、去除高频噪声和拟合多项式特征的基础上,提出一种基于监督多元对应分析(MCA)降维技术的分类模型自动分类心跳.该方法离散化连续心电图数据为类属数据,并发展有监督MCA降维技术提取心电图数据关键特征,用各种分类算法自动分类心电图心跳数据.在PTB诊断数据库的心电图数据集上测试结果表明,与几种基于监督机器学习分类技术相比,在监督MCA降维框架中各种分类算法能以较高敏感性和特异性自动分类心电图心跳数据.
高維心電圖數據存在大量不相關特徵,基于鑑督機器學習技術很難同時穫得較高敏感性與特異性.在預處理操作心電圖數據,如校準基線漂移、去除高頻譟聲和擬閤多項式特徵的基礎上,提齣一種基于鑑督多元對應分析(MCA)降維技術的分類模型自動分類心跳.該方法離散化連續心電圖數據為類屬數據,併髮展有鑑督MCA降維技術提取心電圖數據關鍵特徵,用各種分類算法自動分類心電圖心跳數據.在PTB診斷數據庫的心電圖數據集上測試結果錶明,與幾種基于鑑督機器學習分類技術相比,在鑑督MCA降維框架中各種分類算法能以較高敏感性和特異性自動分類心電圖心跳數據.
고유심전도수거존재대량불상관특정,기우감독궤기학습기술흔난동시획득교고민감성여특이성.재예처리조작심전도수거,여교준기선표이、거제고빈조성화의합다항식특정적기출상,제출일충기우감독다원대응분석(MCA)강유기술적분류모형자동분류심도.해방법리산화련속심전도수거위류속수거,병발전유감독MCA강유기술제취심전도수거관건특정,용각충분류산법자동분류심전도심도수거.재PTB진단수거고적심전도수거집상측시결과표명,여궤충기우감독궤기학습분류기술상비,재감독MCA강유광가중각충분류산법능이교고민감성화특이성자동분류심전도심도수거.
