用于心电波形度量及适于K近邻方法的核函数的选择

• 作者: 曹国超 郑刚
• 来源期刊: 天津理工大学学报
• 学科: 工学
• 关键词: 动态心电图 分类 KNN 高斯核函数 样条核函数 复合样条核函数
• 年，卷（期）: 2009,（5）
• 页码范围: 42-45
• 页数: 4页
• 分类号: TP311.1
• 字数: 2627字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-095X.2009.05.013

摘要

本文将机器学习中K近邻(KNN)方法应用于动态心电图波形分类模型的建立.但KNN算法属于线性分类.因此引入了核函数的概念,将波形数据间的线性差异转化为非线性.本文主要对常见的核函数中的高斯核函数.四次样条核函数及改进的复合四次样条核函数进行了比较,实验结果显示,3种方法在一定程度上都提高了分类准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑刚	天津理工大学计算机与通信工程学院	27	159	7.0	11.0
2	曹国超	天津理工大学计算机与通信工程学院	1	2	1.0	1.0