طبقه بندی سیگنال های ECG با رویکرد بهینه سازی پارامترهای طبقه بندی با استفاده از مفاهیم استخراج ویژگی
محل انتشار: هفتمین کنفرانس ملی مهندسی برق و الکترونیک ایران
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 600
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEEE07_462
تاریخ نمایه سازی: 19 اردیبهشت 1395
چکیده مقاله:
استفاده از ECG به دلیل ثبت آسان آن، هزینه و درعین حال ثمربخش بودن آن، برای تشخیص بیماری های قلبی کاربرد وسیعی و قابل توجه دارد. در این پژوهش به مسئله طبقه بندی ECG با استفاده ازمتدولوژی می پردازد، که قادر به افزایش عملکرد طبقه بندی برای کاربردهای مختلف ECG می باشد. برای این منظور، الگوریتم جستجوی ترتیبی شناور روبه جلو (SFFS) با شاخص تابع معیار جدید مبتنی بر جداکننده های خطی اعمال می گردد. این شاخص به طور خاص طراحی شده است تا یک شاخص کیفیت در طبقه بندی آریتمی های ECG باشد. بر اساس این شاخص، مجموعه ای جامع از ویژگی ها با الگوریتم SFFS تجزیه وتحلیل می شود و مناسب ترین زیرمجموعه برگردانده شده با یک پرسپترون چندلایه (MLP) برای ارزیابی مقاوم بودن مدل موردبررسی قرار می گیرد نتایج حاصل نشان می دهد که با استفاده از روش های پیشنهادی، عملکرد به دست آمده درمطالعات مشابه تحت محدودیت های مشابه می تواند ارتقا یابد درحالی که شرایط مناسب برای نظارت بر رویدادها حفظ شود.
کلیدواژه ها:
انتخاب ویژگی ) FS ( ، الگوریتم جستجوی ترتیبی شناور روبه جلو) SFFS ( ، پرسپترون چندلایه ) MLP ( ، تجزیه وتحلیل جداکننده هایخطی ) LDA ( ، طبقه بندی ECG
نویسندگان
محسن خزاعی
دانشکده مهندسی برق دانشگاه آزاد اسلامی واحد گنابادگناباد ایران
افشین شعیبی
دانشکده مهندسی برق دانشگاه آزاد اسلامی واحد گنابادگناباد ایران
رضا شعیبی
دانشکده مهندسی برق دانشگاه علوم و تحقیقات خراسان رضوینیشابور ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :