计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2013年
21期
212-215
,共4页
经验模式分解%心音%复杂度%支持向量机
經驗模式分解%心音%複雜度%支持嚮量機
경험모식분해%심음%복잡도%지지향량궤
Empirical Mode Decomposition(EMD)%heart sound%complexity%Support Vector Machine(SVM)
为提高非线性、非平稳心音信号特征提取的准确性和分类识别的高效性，提出一种基于固有模态函数（Intrinsic Mode Function，IMF）复杂度和二叉树支持向量机（Binary Tree Support Vector Machine，BT-SVM）的心音分类识别方法。对心音进行经验模式分解（Empirical Mode Decomposition，EMD），得到若干反映心音本体特征的平稳IMF分量；利用互相关系数准则对其筛选，计算所选IMF分量的复杂度值为信号的特征；将其组成特征向量输入到BT-SVM进行分类识别。临床数据仿真结果表明，该方法能有效提取心音特征，与传统识别方法相比，具有训练时间短，识别率高等优点。
為提高非線性、非平穩心音信號特徵提取的準確性和分類識彆的高效性，提齣一種基于固有模態函數（Intrinsic Mode Function，IMF）複雜度和二扠樹支持嚮量機（Binary Tree Support Vector Machine，BT-SVM）的心音分類識彆方法。對心音進行經驗模式分解（Empirical Mode Decomposition，EMD），得到若榦反映心音本體特徵的平穩IMF分量；利用互相關繫數準則對其篩選，計算所選IMF分量的複雜度值為信號的特徵；將其組成特徵嚮量輸入到BT-SVM進行分類識彆。臨床數據倣真結果錶明，該方法能有效提取心音特徵，與傳統識彆方法相比，具有訓練時間短，識彆率高等優點。
위제고비선성、비평은심음신호특정제취적준학성화분류식별적고효성，제출일충기우고유모태함수（Intrinsic Mode Function，IMF）복잡도화이차수지지향량궤（Binary Tree Support Vector Machine，BT-SVM）적심음분류식별방법。대심음진행경험모식분해（Empirical Mode Decomposition，EMD），득도약간반영심음본체특정적평은IMF분량；이용호상관계수준칙대기사선，계산소선IMF분량적복잡도치위신호적특정；장기조성특정향량수입도BT-SVM진행분류식별。림상수거방진결과표명，해방법능유효제취심음특정，여전통식별방법상비，구유훈련시간단，식별솔고등우점。
To improve the precision of extracting feature and efficiency of classification and recognition from the non-stationary and non-linear heart sounds, a new method based on complexity feature of Intrinsic Mode Function(IMF)and Binary Tree Sup-port Vector Machine(BT-SVM)is proposed. Original heart sound is decomposed into a finite number of stationary IMFs with EMD;the complexity of IMF component is calculated using mutual correlation coefficient between several criteria which can be quantitatively evaluated as the feature of heart sound;the eigenvectors are input into BT-SVM classifier for recognition. Experi-mental results show that the method not only can effectively extract heart sound feature, but also has shorter training time and high recognition rate compared with traditional recognition network.
