基于深度学习和模糊C均值的心电信号分类方法

• 作者: 丁香乾 吴志勇 许晓伟 鞠传香
• 来源期刊: 自动化学报
• 关键词: 心电信号分类 深度学习 模糊C均值 深度信念网络
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 短文
• 页码范围: 1913-1920
• 页数: 8页
• 字数: 6279字
• 语种: 中文
• DOI: 10.16383/j.aas.2018.c170417

摘要

针对长时海量心电信号自动分类系统中,心电专家诊断费时、费力和成本高,心电信号形态复杂导致特征提取困难,异常诊断模型适应性差、准确度低等问题,本文提出一种基于深度学习和模糊C均值的心电信号分类方法.该方法主要包括心电信号降噪预处理、心电信号分段和采样点统一化、无监督心跳特征学习、模糊C均值分类4个步骤,给出了模糊C均值深度信念网络FCMDBN模型结构和学习分类算法.仿真实验基于MIT-BIH心率异常数据库表明,与基于传统心电特征人工设计的分类方法相比,本文提出的信号诊断方法具有较高的适应性和准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁香乾	中国海洋大学信息科学与工程学院	99	1107	16.0	30.0
2	许晓伟	中国海洋大学信息科学与工程学院	8	34	3.0	5.0
3	吴志勇	中国海洋大学信息科学与工程学院	18	88	5.0	9.0
7	鞠传香	山东理工大学计算机科学与技术学院	15	68	4.0	8.0