监督MCA降维框架中的心跳分类模型

• 作者: 吕艳萍 孙立 李旭洲 李绍滋 杨开涛
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 心电图 多元对应分析 监督分类 机器学习
• 年，卷（期）: 2012,（1）
• 所属期刊栏目: 工程与应用
• 页码范围: 219-222
• 分类号: TP391
• 字数: 5379字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2012.01.063

摘要

高维心电图数据存在大量不相关特征,基于监督机器学习技术很难同时获得较高敏感性与特异性.在预处理操作心电图数据,如校准基线漂移、去除高频噪声和拟合多项式特征的基础上,提出一种基于监督多元对应分析(MCA)降维技术的分类模型自动分类心跳.该方法离散化连续心电图数据为类属数据,并发展有监督MCA降维技术提取心电图数据关键特征,用各种分类算法自动分类心电图心跳数据.在PTB诊断数据库的心电图数据集上测试结果表明,与几种基于监督机器学习分类技术相比,在监督MCA降维框架中各种分类算法能以较高敏感性和特异性自动分类心电图心跳数据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李绍滋	厦门大学智能科学与技术系	87	1292	20.0	34.0
5	孙立	厦门大学智能科学与技术系	2	10	1.0	2.0
6	吕艳萍	厦门大学智能科学与技术系	2	22	1.0	2.0
7	杨开涛	厦门大学智能科学与技术系	1	0	0.0	0.0
11	李旭洲	厦门大学智能科学与技术系	1	0	0.0	0.0