《便携心电传感器的心房肥大诊断研究》PDF+DOC
作者:陶泳任,陈冠雄,沈海斌
单位:中国电子科技集团公司第四十九研究所
出版:《传感器与微系统》2014年第09期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFCGQJ2014090170
DOC编号:DOCCGQJ2014090179
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于噪声嵌入的跌倒检测系统设计》PDF+DOC2017年第02期 李仲年,臧春华,杨刚,项嵘
《基于多传感器信息融合的列车转向架机械故障诊断方法》PDF+DOC2020年第08期 颜云华,金炜东
《一种基于支持向量机的雷达多目标分类方法》PDF+DOC2020年第01期 张玲,陈路路,梁进科,仉树军
《基于SWT和NMF的管道泄漏声发射信号特征提取与判别》PDF+DOC2019年第05期 韩丛丛,赵洪亮,丁静静
《基于MPU6050传感器的包裹运动状态识别》PDF+DOC2018年第03期 单彬,毛丹辉,王勇
《基于支持向量机的气敏传感器阵列信号处理方法》PDF+DOC2005年第08期 汪晓东
《基于单振元超声传感器的手势识别系统》PDF+DOC2018年第02期 李跃峰,刘洪海
《基于手机传感器的左右手识别》PDF+DOC2017年第05期 吴飞
《基于随机森林算法的旋转机械齿轮组故障诊断》PDF+DOC2019年第05期 王子兰,杨瑞
《基于支持向量机的跌倒检测方法研究》PDF+DOC2014年第09期 梁维杰,张应红,景晖,黄博,郑骥
基于便携式传感器的模式识别在心电(ECG)监护领域具有广泛的应用前景,并且在心律不齐、心肌梗塞、心室肥大等心电的识别算法上都已有大量的研究与应用,但在心房肥大诊断上却未有模式识别相关的研究成果。心房肥大病症的心电数据量不足给研究造成重大障碍,部分分类器无法适应小样本训练下的分类。针对小样本训练进行研究,对比了不同分类方法,显示了基于统计模式识别的支持向量机(SVM)应用于心房肥大的应用潜力。另外,由于不同个体的心房肥大心电存在差异,在实际应用环境中,SVM存在无法良好泛化的问题,存在类别错分的医学风险。针对类别错分情况,采用分类器融合的方法改进分类器,提出了在SVM分类器输出端增加了拒绝域的分类器(SVM-R)的方法。实验结果表明:SVMR有较高的分类准确率与诊断可信度。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。