基于机器学习的心律失常信号分类算法研究

• 作者: 刘腾 唐虹 张士兵
• 来源期刊: 计算机应用研究
• 关键词: 心律失常信号 分类识别 小波变换 softmax回归 深度神经网络
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 图形图像技术
• 页码范围: 940-943
• 页数: 4页
• 分类号: TN911.7
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.07.0545

摘要

心电图中心律失常信号的分类识别是诊断心血管类疾病的重要依据.基于MIT-BIH提供的数据文件,通过小波变换提取了心电信号的21组特征信息,针对常见五类心律信号的分类识别进行了研究,设计实现了基于softmax回归和神经网络的分类算法.实验结果表明,一个适用的神经网络算法训练速度更快,在较少的迭代次数下,分类识别的正确率稳定在90％以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张士兵	南通大学电子信息学院	107	434	10.0	15.0
3	刘腾	南通大学电子信息学院	3	1	1.0	1.0
6	唐虹		2	0	0.0	0.0