基于核主元分析和支持向量机的心拍识别
为了提高心拍识别的准确率,对心拍识别的分类算法进行了研究,提出基于核主元分析和支持向量机(KPCA-SVM)的心拍分类算法.该算法采用核函数对心拍的特征进行高维变换形成核矩阵;在高维空间下对心拍核矩阵进行主元分析,实现降维与去噪.最后,使用线性支持向量机分类器对降维和去噪后的核矩阵进行分类.为了评估提出算法的有效性,在MIT-BIH-AHA数据集上与核支持向量机及BP(Back Propagation)、径向基函数(RBF)、学习矢量量化(LVQ)等神经网络方法展开对比.实验结果表明:核主元分析可以将核支持向量机的分类准确率提高1.16％,达到了95.98％,且识别准确率高于神经网络方法.得到的结果验证了提出的方法可以有效提高心拍识别的准确率.
心电图 心拍识别 核主元分析 支持向量机
刘通 司玉娟 臧睦君 王迪
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 鲁东大学 信息与电气工程学院,山东烟台264025
国内会议
长春
中文
745-752
2015-07-09（万方平台首次上网日期，不代表论文的发表时间）