基于核独立成分分析的心电信号特征提取和分类算法研究

发布时间：2017-10-04 11:27

  本文关键词：基于核独立成分分析的心电信号特征提取和分类算法研究

  更多相关文章： 心电信号 特征提取 分类 核独立成分分析 支持向量机

【摘要】：随着人们生活水平的逐步提高,人们对健康的意识也在不断增强。然而现今心脏病的发病率也在逐年升高,已逐渐成为威胁人类健康的“第一杀手”,因此掌握其发生、发展规律及其防治措施极其重要。心电图作为心脏电活动在体表的反映,在临床上对于心脏部分疾病的检测和诊断具有重要的指导意义。由于心电信号波形的复杂多变性,加上各种噪声的干扰,使得从心电图中提取有效数据特征变得困难。因此,对心电信号特征提取和分类算法进行研究具有重要的理论和现实应用价值。本文根据心电信号的特点提出了一种改进的基于核独立成分分析结合离散小波变换提取心电信号特征的算法。首先通过主成分分析对用于核独立成分分析提取非线性特征的样本数据进行降维优化得到20维特征,再通过离散小波变换提取第一尺度到第四尺度的细节系数和第四尺度的近似系数作为频域特征,采用统计学方法分别取其最大值、最小值、平均值和标准偏差后得到20维频域特征,采用线性判别法将数据优化到4维,最后将优化的特征组成多域特征空间。分类诊断中对于支持向量机的分类器设计,本文选取LIBSVM作为分类器对优化后的特征向量分类,并采用遗传算法对LIBSVM的惩罚因子C和径向基函数的核宽度g两个参数进行寻优,然后对MIT-BIH心律异常数据库的正常的心电信号、左束支传导阻滞、右束支传导阻滞、心室早期收缩和心房早期收缩五种信号进行分类。分类器的性能统计指标有灵敏度、特异度和阳性预测准确度,它们的平均值分别为98.50%、99.69%和98.91%。另外,测试集的分类准确率为98.8%,达到了预期的分类效果。本文最后采用该算法对Prosim 2生命体征模拟器采集到的心电信号进行了实验分类。本文通过准确提取最能反映心电信号本质的特征,实现了对不同类型心电信号进行高精度的分类识别。这对于提高诊断效率,缩短诊断时间,对心脏病患者的病情监护以及康复后的有效评价具有积极意义。
【关键词】：心电信号 特征提取 分类 核独立成分分析 支持向量机
【学位授予单位】：天津工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN911.7;R540.4
【目录】：

• 学位论文的主要创新点3-4
• 摘要4-5
• ABSTRACT5-9
• 第一章 绪论9-15
• 1.1 课题的研究目的和意义9
• 1.2 课题的国内外研究现状及发展动态9-12
• 1.2.1 心电信号特征提取的研究现状及发展动态10-11
• 1.2.2 心电信号分类识别的研究现状及发展动态11-12
• 1.3 本文的主要研究内容及章节安排12-15
• 第二章 心电学理论基础15-21
• 2.1 心电信号产生的机理15-16
• 2.2 正常心电信号波形的意义16-17
• 2.3 心律失常的原因17-18
• 2.4 常用标准心电数据库18-19
• 2.5 本章小结19-21
• 第三章 核独立成分分析21-31
• 3.1 独立成分分析(ICA)21-23
• 3.1.1 ICA的基本原理21-22
• 3.1.2 ICA问题的求解22-23
• 3.1.3 ICA技术的优势和缺陷23
• 3.2 核方法23-26
• 3.2.1 核方法的理论基础23-24
• 3.2.2 核函数的定义24
• 3.2.3 再生核和再生核Hilbert空间24-25
• 3.2.4 Gram矩阵25-26
• 3.3 核独立成分分析26-30
• 3.3.1 核典型相关分析26-28
• 3.3.2 核独立成分分析的求解28-30
• 3.4 本章小结30-31
• 第四章 心电信号的多域特征提取算法研究31-43
• 4.1 实验数据的选取31-33
• 4.2 基于KICA方法的心电信号非线性特征提取33-36
• 4.2.1 主成分分析法33-35
• 4.2.2 非线性特征提取的仿真35-36
• 4.3 基于离散小波分析的心电信号频域特征提取36-42
• 4.3.1 线性判别法36-37
• 4.3.2 频域特征提取的仿真37-42
• 4.4 本章小结42-43
• 第五章 基于支持向量机的分类器设计43-57
• 5.1 常用的心电信号分类算法43-44
• 5.2 统计学习理论与支持向量机44-49
• 5.2.1 统计学习理论44-45
• 5.2.2 支持向量机45-49
• 5.3 遗传算法参数寻优在LIBSVM中的应用49-50
• 5.4 ECG数据分类结果与分析50-56
• 5.4.1 分类器的性能评估50-51
• 5.4.2 ECG数据的分类结果51-56
• 5.5 本章小结56-57
• 第六章 心律失常分类的实验设计57-65
• 6.1 心电信号采集系统的设计57-60
• 6.2 Prosim 2生命体征模拟器的信号采集和分类60-64
• 6.3 本章小结64-65
• 第七章 总结与展望65-67
• 7.1 论文工作总结65-66
• 7.2 展望66-67
• 参考文献67-71
• 发表论文和参加科研情况71-73
• 致谢73

【相似文献】

中国重要会议论文全文数据库 前3条

1 王国庆;董春红;孙雨安;丁青竹;孙晓丽;;基于核独立成分分析-小波变换-红外光谱法的地黄炮制过程监控[A];第九届全国计算（机）化学学术会议论文摘要集[C];2007年

2 傅若玮;宋执环;;基于核独立成分分析的过程故障检测方法[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（上册）[C];2008年

3 李华;李吉光;高钧;张天龙;李华;;在线红外结合核独立成分分析对3,5-二氨基-1,2,4-三唑合成机理的研究[A];中国化学会第29届学术年会摘要集——第19分会：化学信息学与化学计量学[C];2014年

中国硕士学位论文全文数据库 前7条

1 梁欢;基于核独立成分分析的心电信号特征提取和分类算法研究[D];天津工业大学;2016年

2 彭磊;分块核独立成分分析的人脸识别方法研究[D];广东工业大学;2012年

3 祝元春;基于核独立成分分析的发酵过程监测方法研究[D];北京化工大学;2013年

4 刘卓欣;基于核独立成分分析的边缘特征表示[D];华南理工大学;2011年

5 娄俊;基于核独立成分分析的人脸检测与识别系统的应用研究[D];武汉科技大学;2008年

6 任亚平;基于核独立成分分析的图像去噪[D];华南理工大学;2011年

7 孙士博;核独立成分分析在心律失常模式分类中的应用[D];燕山大学;2009年

，

本文编号：970396