基于梯度提升机器学习算法的ECG身份识别

发布时间：2021-02-20 00:11

　　现如今科学技术改变了我们的生活方式,尤其对信息安全有着严格要求,需要发展新型身份鉴别技术提高信息安全可靠性。新型生物识别技术安全便捷,为人们提供了极大的便利,并在市场上得到了广泛的应用。心电信号（electrocardiogram,ECG）属于生物特征之一,之前在医学临床领域运用,由于它得天独厚的优势,逐渐应用在身份识别技术当中。ECG特征表现的独特优势主要包括以下两点:第一心电信号属于体内特征,难以窃取特征,而且心电采集技术历史悠久、技术成熟;第二心电信号属于一维信号,相对其他生物特征处理更方便。目前关于ECG身份识别的研究已经取得许多进展,但在特征冗余、准确率和时效性等方面存在不足。我们针对以上问题进行了以下相关研究:1.构建了一种基于ICA-CatBoost的ECG身份识别方案。梯度提升算法（Gradient Boosting,GB）具有良好的兼容性,在预测和分类中显示出巨大的优势,并为建立安全可靠的ECG身份识别模型提供了技术支持。鉴于目前国内外存在特征冗余和准确率不高的问题,本文构建了基于ICA-CatBoost的ECG身份识别算法,其中CatBoost是基于梯度提升决策树的... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 ECG身份识别的可行性
    1.3 国内外研究现状
    1.4 论文研究内容
    1.5 论文结构安排
第2章 ECG相关知识及分类算法原理
    2.1 心电信号
    2.2 心电信号的噪声
    2.3 主成分分析
    2.4 独立成分分析
    2.5 常用分类算法原理
        2.5.1 决策树
        2.5.2 集成学习算法
        2.5.3 GBDT模型
        2.5.4 CatBoost算法
    2.6 实验数据库
    2.7 本章小结
第3章 基于ICA-CatBoost的 ECG身份识别
    3.1 预处理
    3.2 初始特征选取
        3.2.1 特征点检测
        3.2.2 特征提取
    3.3 特征处理
    3.4 分类算法
        3.4.1 Catboost算法模型
        3.4.2 网格搜索
    3.5 实验结果与分析
        3.5.1 实验平台及数据设置
        3.5.2 实验结果分析
    3.6 本章小结
第4章 基于Light GBM算法的ECG身份识别
    4.1 Light GBM算法
        4.1.1 Light GBM的基本原理
        4.1.2 Light GBM的优点
    4.2 实验和分析
        4.2.1 Light GBM算法步骤
        4.2.2 Light GBM流程框图
        4.2.3 Light GBM分类器性能分析
    4.3 本章小结
第5章 总结与展望
    5.1 本文工作总结
    5.2 展望
参考文献
作者简介及科研成果
致谢



本文编号：3041914