叠加去噪自动编码器结合深度神经网络的心电图信号分类方法

• 作者: 胡玉平 颜菲
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 心电图 信号分类 深度神经网络 叠加去噪自动编码器 权重自动调节
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 178-185
• 页数: 8页
• 分类号: TP391
• 字数: 5053字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.04.028

摘要

针对现有心电图信号分类方法精度较低,模型训练收敛速度较慢的缺点,提出一种基于叠加去噪自动编码器和深度神经网络方法的新型分类方法.该方法采用无监督学习方式,利用带有稀疏约束的叠加去噪自动编码器,实现心电图原始数据的特征学习.基于深度神经网络对信号进行分类,同时利用监督式自主学习微调方法对神经网络权重进行适时调整,从而保证信号分类的精度和质量.利用三个机构的经典数据库对该方法进行实验研究,并与目前两种最新的方法进行对比.实验结果证明,该方法在专家标记样本较少的情况下,仍能明显提高心电图数据分类的准确率,同时加快训练时的收敛速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	颜菲	柳州铁道职业技术学院信息技术学院	14	8	2.0	2.0
2	胡玉平	广东财经大学信息学院	9	69	3.0	8.0