采用S变换特征选择方法的心律失常分类

• 作者: 吕卫 李喆 褚晶辉 邓为贤
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 心律失常 S变换 遗传算法 ReliefF算法 支持向量机(SVM)
• 年，卷（期）: 2018,（2）
• 页码范围: 306-316
• 页数: 11页
• 分类号: TP391.4
• 字数: 6277字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2018.02.013

摘要

针对短时傅里叶变换与小波变换对心电图(Electrocardiogram,ECG)信号特征提取不足以及心律失常识别困难的问题,提出了一种基于S变换特征选择的心律失常分类算法.首先对ECG信号进行S变换,并从幅值和相位两个角度提取ECG信号的时频特征,与形态特征和RR间隔组成原始特征向量.然后将遗传算法与支持向量机(Support vector machine,SVM)结合组成Wrapper式特征选择方法,并在其中融入ReliefF算法,即采用ReliefF算法计算特征权重,并根据特征权重大小来指导遗传算法种群初始化,遗传算法以SVM的分类性能作为适应度函数来搜索特征子集.最后使用“一对多”(One against all,OAA) SVM对MIT-BIH心律失常数据库8种类型心拍进行分类.实验结果表明,该算法达到了较好的分类效果,灵敏度、特异性和准确率分别为96.14％,99.75％和99.81％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李喆	天津大学电子信息工程学院	20	262	8.0	15.0
2	吕卫	天津大学电子信息工程学院	53	338	10.0	15.0
3	褚晶辉	天津大学电子信息工程学院	34	261	8.0	14.0
4	邓为贤	天津大学电子信息工程学院	1	6	1.0	1.0