原文服务方: 中国医学物理学杂志       
摘要:
目的:提出一种新的基于波形特征和SVM的心电信号自动分类实现方法.方法:定义并提取了基于时域特征、小波域特征和高阶统计量特征等三大类心电特征参数,将一次性直接求解多类模式的SVM方法应用于心电信号分类.结果:通过对心电数据库典型心律失常信号的分类测试,验证了所提出心电信号分类方法的有效性.结论:本方法的实现可以有效提高了分类识别精度和速度.
推荐文章
基于经验模态分解和SVM的脑电信号分类方法
脑电信号分类
经验模态分解
支撑向量机
特征提取
基于ABC-SVM的运动想象脑电信号模式分类
脑电信号
人工蜂群算法
支持向量机
正则化共空间模式
模式分类
基于粒子群优化BP神经网络的心电信号分类方法
心电信号
粒子群算法
BP神经网络
分类
模式识别
QRS波群
基于因子分析模型的噪声稳健脑电信号分类方法
脑电信号分类
因子分析模型
特征提取
噪声稳健
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于波形特征和SVM的心电信号自动分类方法研究
来源期刊 中国医学物理学杂志 学科
关键词 波形特征 支持向量机(SVM) 自动分类
年,卷(期) 2010,(4) 所属期刊栏目
研究方向 页码范围 2043-2046
页数 分类号 Q81
字数 语种 中文
DOI 10.3969/j.issn.1005-202X.2010.04.024
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 孟庆建 泰山医学院放射学院 36 155 7.0 10.0
2 宋莉 泰山医学院放射学院 43 203 8.0 12.0
3 张光玉 泰山医学院放射学院 30 157 8.0 11.0
4 曹卫芳 泰山医学院放射学院 21 77 5.0 8.0
5 车琳琳 泰山医学院放射学院 21 71 5.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (40)
共引文献  (56)
参考文献  (8)
节点文献
引证文献  (22)
同被引文献  (79)
二级引证文献  (17)
1900(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(2)
  • 参考文献(0)
  • 二级参考文献(2)
1991(4)
  • 参考文献(0)
  • 二级参考文献(4)
1992(3)
  • 参考文献(0)
  • 二级参考文献(3)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(3)
  • 参考文献(0)
  • 二级参考文献(3)
1995(4)
  • 参考文献(0)
  • 二级参考文献(4)
1996(4)
  • 参考文献(0)
  • 二级参考文献(4)
1997(5)
  • 参考文献(0)
  • 二级参考文献(5)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(6)
  • 参考文献(2)
  • 二级参考文献(4)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(2)
  • 参考文献(2)
  • 二级参考文献(0)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2012(4)
  • 引证文献(3)
  • 二级引证文献(1)
2013(5)
  • 引证文献(3)
  • 二级引证文献(2)
2014(5)
  • 引证文献(3)
  • 二级引证文献(2)
2015(4)
  • 引证文献(3)
  • 二级引证文献(1)
2016(4)
  • 引证文献(3)
  • 二级引证文献(1)
2017(3)
  • 引证文献(1)
  • 二级引证文献(2)
2018(4)
  • 引证文献(1)
  • 二级引证文献(3)
2019(9)
  • 引证文献(5)
  • 二级引证文献(4)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
波形特征
支持向量机(SVM)
自动分类
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国医学物理学杂志
月刊
1005-202X
44-1351/R
16开
1983-01-01
chi
出版文献量(篇)
4079
总下载数(次)
0
总被引数(次)
17195
论文1v1指导