基于分类算法的心电数据研究与应用

发布时间：2017-10-27 05:26

  本文关键词：基于分类算法的心电数据研究与应用

  更多相关文章： 移动医疗 心电信号 分类算法 支持向量机 核函数

【摘要】：在医疗信息化和医疗普及的进程中,移动医疗起着越来越重要的作用,家庭医疗终端的应用是移动医疗前进的又一步。在医疗和信息化高速发展的时代,在中国偏远地区仍有未能普及的地方,因此家庭智能医疗终端的设计满足偏远地区体检就医不便的用户,是用户检查自身健康的工具。在人体各项指标参数中,心脏活动分析是智能判断的关键部分,本文以实现心电信号异常识别为核心,完成一个移动医疗系统。分类算法是机器学习的重要组成部分,也是数据挖掘研究的一个方向,通过分类算法的研究提高机器学习的预测能力。本文通过实验对比贝叶斯、KNN、支持向量机等分类算法在连续数据的分类效果,选择支持向量机并对其改进。本文通过分析核函数的特性曲线,找出典型核函数在心电数据分类的不足之处。提出了高斯核函数的一种修正改进,在核半径内保持较高学习能力的基础上,通过矩阵变换对核半径之外的边缘数据进行拉伸修正,增强其衰减,实现边缘数据的预测学习能力。通过与其它核函数的对比,修正核函数的正确率较高,更加适合心电数据的分类预测。该修正方法的提出,不仅在心电分析上,同时也为其它领域的预测学习提供了一个选择。
【关键词】：移动医疗 心电信号 分类算法 支持向量机 核函数
【学位授予单位】：北方工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP181
【目录】：

• 摘要3-4
• ABSTRACT4-8
• 第一章 绪论8-15
• 1.1 课题来源及背景8-9
• 1.2 研究目的及意义9
• 1.3 国内外研究现状9-14
• 1.3.1 移动医疗、家庭医疗终端的研究现状9-11
• 1.3.2 心电信号处理技术的发展现状11-14
• 1.4 本文的研究工作及论文组织结构14-15
• 第二章 相关理论的分析15-26
• 2.1 心电信号的数据分析15-16
• 2.1.1 心电信号的来源和特点15
• 2.1.2 心电信号的预处理流程15-16
• 2.2 心电数据特征向量的提取16-17
• 2.3 BP神经网络分析17-18
• 2.3.1 BP神经网络模型17
• 2.3.2 神经网络学习方式17-18
• 2.4 K近邻法分析18-20
• 2.4.1 KNN算法基础18-19
• 2.4.2 算法的三要素19-20
• 2.5 支持向量机分析20-23
• 2.5.1 SVM基本理论20-21
• 2.5.2 核函数21-22
• 2.5.3 补偿因子22-23
• 2.5.4 支持向量机的类型分析23
• 2.6 算法的性能分析23-25
• 2.7 本章小结25-26
• 第三章 核函数的优化及验证26-34
• 3.1 信号数据来源26
• 3.2 算法的设计思想26-27
• 3.3 算法分析27-30
• 3.3.1 典型核函数的分析27-28
• 3.3.2 核函数的修正28-30
• 3.4 实验分析30-33
• 3.4.1 分类算法的选取分析30-31
• 3.4.2 核函数参数的选择31-32
• 3.4.3 心跳节拍分类结果对比分析32-33
• 3.5 本章小结33-34
• 第四章 智能家庭医疗终端的实现34-44
• 4.1 系统需求分析34-35
• 4.1.1 功能需求分析34-35
• 4.1.2 性能需求分析35
• 4.2 系统架构设计35-37
• 4.3 系统数据库的设计与实现37-39
• 4.4 心电测量相关的设计与实现39-40
• 4.4.1 心电测量的实现39
• 4.4.2 心电列表的设计与实现39-40
• 4.4.3 心电图像查看的设计与实现40
• 4.5 心跳节拍识别的设计与实现40-42
• 4.5.1 原始数据的显示与获取的实现40
• 4.5.2 心电信号处理成图形的实现40-41
• 4.5.3 心跳节拍特征提取的实现41
• 4.5.4 心跳节拍识别的实现41-42
• 4.6 核函数选择实现42-43
• 4.7 本章小结43-44
• 第五章 结论与展望44-45
• 5.1 结论44
• 5.2 展望44-45
• 参考文献45-48
• 在学期间的研究成果48-49
• 致谢49

【参考文献】

中国期刊全文数据库 前3条

1 郑序颖;;说一说移动医疗终端的那些事儿[J];中国信息界(e医疗);2013年10期

2 刘丽杭;陈小玲;阳历;;移动医疗服务发展的现状、问题及对策[J];中国全科医学;2011年28期

3 林敏;乔自知;;移动医疗的需求与发展思考[J];移动通信;2010年06期

中国硕士学位论文全文数据库 前10条

1 张倩;基于小波变换的心电信号分析研究及其FPGA实现[D];吉林大学;2014年

2 刘夫成;基于改进支持向量机的个人信用评估研究[D];江苏科技大学;2013年

3 聂桥桥;智能处理在ECG检测中的应用研究[D];南昌航空大学;2012年

4 刘洁晶;数据挖掘技术在教学评估预测系统中的应用研究[D];河北大学;2012年

5 吴伟建;基于3G智能手机的家庭健康检测系统[D];郑州大学;2012年

6 白家莲;动态心电信号分析系统设计[D];中南大学;2009年

7 白帆;ECG参数检测算法的研究[D];北京交通大学;2009年

8 蔡锦锦;基于BP神经网络的高校课堂教学质量评价系统的研究与实现[D];浙江工业大学;2009年

9 罗强;基于小波分析的心电信号去噪研究[D];华中师范大学;2006年

10 尹登峰;动态ECG分析中QRS波检测算法的研究[D];浙江大学;2003年

，

本文编号：1102119