最优分位数水平选择方法及其在心电图判别疾病类型中的应用

发布时间：2017-05-27 22:11

  本文关键词：最优分位数水平选择方法及其在心电图判别疾病类型中的应用，，由笔耕文化传播整理发布。

【摘要】：分类在大数据时代的生物与医学研究中越来越重要。本文根据心电图中对疾病诊断有着重要作用的波形特征的分布特点：与健康者相比,患病者的数据分布通常是不对称的、重尾的或是多个分布的混合,提出了通过提取最优分位数水平,即,使得两个分布的样本分位数之差的标准化最大的分位数指标,来区分两个分布之间差异的方法。并在此基础上,拓展了区分多个类别分布之间差异的最优分位数水平提取方法。在模拟研究与实际心电图数据分析部分,根据所提取的最优分位数水平,通过对不同分布类型组合的判别分类模拟以及对PTB心电诊断数据库中心电图II导联数据的疾病分类,验证了本文所提方法比基于均值特征的分类效果要好,更能提取心电图中异常心跳的特征。且本文所提方法对健康或者患病这两种类别的分类精确度可达到84.96%，但由于实际心电图数据中有三种疾病的样本量太小,对五种疾病类别的分类效果不太理想,总准确率只有67%左右。此外,本文在实际心电图数据研究部分,分别采用了马氏距离逐步判别法、支持向量机和分类与回归树这三种分类器来进行分类,并使用Leave-One-Out交叉验证法和回代法来评价每种分类器的性能。
【关键词】：最优分位数水平 心电图 疾病分类 马氏距离逐步判别法 支持向量机 分类与回归树 Leave-One-Out交叉验证法
【学位授予单位】：华东师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R540.4
【目录】：

• 摘要11-12
• ABSTRACT12-13
• 第一章 引言13-18
• §1.1 研究背景及现状介绍13-15
• §1.2 本文创新点15-16
• §1.3 论文结构16-18
• 第二章 方法原理介绍18-26
• §2.1 分类最优分位数水平选取方法18-21
• §2.2 多分类最优分位数水平选取方法21-23
• §2.2.1 一个最优分位数水平选取方法21-22
• §2.2.2 多个最优分位数水平选取方法22-23
• §2.3 分类方法原理简介23-26
• §2.3.1 马氏距离判别法23
• §2.3.2 支持向量机23-25
• §2.3.3 分类与回归树25-26
• 第三章 模拟研究26-37
• §3.1 二类分类模拟26-32
• §3.2 多类分类模拟32-37
• §3.2.1 基于一个最优分位数特征分类32-33
• §3.2.2 基于多个最优分位数特征分类33-37
• 第四章 实际数据分析37-50
• §4.1 心电图简介37-40
• §4.2 数据库简介及数据预处理40-45
• §4.2.1 PTB心电诊断数据库简介40-41
• §4.2.2 数据预处理及特征提取41-45
• §4.3 实际数据二分类分析45-46
• §4.4 实际数据五分类分析46-50
• §4.4.1 基于一个最优分位数特征分类47
• §4.4.2 基于多个最优分位数特征分类47-50
• 第五章 总结与讨论50-52
• 参考文献52-55
• 附录A 多分类详细判别结果55-61
• § A.1 模拟研究部分的多分类详细判别结果55-59
• § A.2 实际数据分析部分的五分类详细判别结果59-61
• 致谢61

【相似文献】

中国期刊全文数据库 前1条

1 胡良平,刘惠刚;医学统计学基础-分位数及其应用[J];中国骨肿瘤骨病;2002年06期

中国重要报纸全文数据库 前2条

1 广发期货 谢贞联;IF1005期现价差波动规律的启示[N];期货日报;2010年

2 李莉;2009年金属铝价格走势预测[N];中国有色金属报;2008年

中国博士学位论文全文数据库 前2条

1 陈雄强;分位数自回归模型理论与应用研究[D];南开大学;2013年

2 黄初;几类新型相依条件下随机变量的极限定理[D];浙江大学;2011年

中国硕士学位论文全文数据库 前10条

1 梅云龙;删失数据的条件高分位数估计[D];大连理工大学;2015年

2 朱玲;贝叶斯分位数自回归方法的研究及在香港恒生指数风险测度上的应用[D];南京财经大学;2014年

3 蔡际盼;WOD样本下分位数和密度函数估计的强相合性[D];广西师范学院;2015年

4 葛悠美;线性测量误差模型中复合分位数估计的随机加权方法[D];东华大学;2016年

5 李丽凤;PA样本下含附加信息时分位数的统计推断[D];广西师范大学;2015年

6 余珊珊;最优分位数水平选择方法及其在心电图判别疾病类型中的应用[D];华东师范大学;2016年

7 代继府;基于分位数决策理论的资产定价研究[D];复旦大学;2013年

8 姚春;分位数估计量的性质及应用[D];武汉科技大学;2014年

9 付月;基于MM算法的分位数计算方法[D];延边大学;2010年

10 关全文;Φ-混合样本下有限个分位数的联合置信域[D];浙江师范大学;2014年

  本文关键词：最优分位数水平选择方法及其在心电图判别疾病类型中的应用，由笔耕文化传播整理发布。

本文编号：401311