基于主成分分析进行特征融合的心拍分类

摘要：

针对心拍分类中单一特征分类准确率低而组合特征存在特征冗余和维度过高的问题,提出了一种基于主成分分析(PCA)进行特征融合的心拍分类算法.该算法在对单一特征进行规范化后,将多种特征组合为一个具有大量信息的高维特征;之后引入PCA算法去除冗余成分,得到低维融合特征;最后,利用支持向量机(SVM)为分类器完成心拍分类.以心拍时域特征、离散小波特征、离散傅里叶特征为例,在MIT-BIH数据库上进行了实验.实验结果表明,融合特征维度为100时,分类准确率可达97.389％.与单一特征相比,融合特征提高了分类准确率;与组合特征相比,融合特征降低了特征维度.

关键词： 心电图 信号特征 信息融合 主成分分析

作者: 王迪 司玉娟 刘通 郭永丛 刘书文

作者单位: 吉林大学通信工程学院,吉林长春130012 吉林大学通信工程学院,吉林长春130012;吉林大学珠海学院,广东珠海519041 北京大学软件与微电子学院,北京100871

会议类型: 国内会议

会议名称: 2015年光学精密工程论坛

会议地点: 长春

会议语种:中文

页码: 453-458

在线出版日期: 2015-07-09（万方平台首次上网日期，不代表论文的发表时间）