基于稀疏表示和LS-SVM的心电信号分类

发布时间：2017-09-19 11:46

  本文关键词：基于稀疏表示和LS-SVM的心电信号分类

  更多相关文章： 字典 ICA 小波变换 加权稀疏 LS-SVM

【摘要】：世界卫生组织公布的最新统计数据显示,世界范围内因为患慢性疾病而导致的死亡人数不断增加,经过更新的2010年至2011年全球10大致死原因,其中死于缺血性心脏病的人数以占2011年总数的12.9%共700万人而位居第一。临床医生大多根据心电图(electrocardiogram,ECG)波形来分析和诊断心脏病。ECG信号的自动分析对于当今纷杂的心电监护仪来说,无疑是最为关键的技术之一。ECG自动分析的任务主要包括对ECG信号预处理,特征提取等,最终目的是根据心电波形特点对其进行自动分类诊断。然而由于心电信号波形复杂多变和个体差异性对心电信号精确分类是非常困难的。现有心电信号分类算法取得了很多成就,但无论理论还是应用上都需进一步研究。稀疏表示的出现为心电信号处理提供了新切入点,被成功应用于人脸识别,图像去噪,心电信号压缩,检测等。本文设计了一种基于稀疏表示和最小二乘支持向量机(Least Squares Support Vector Machine,LS-SVM)的心电信号分类算法。论文主要研究成果包括:(1)我们在构造心电信号字典时对每一类聚类之后形成子字典,使得子字典内原子尽量相似,子字典间的原子尽量不同;(2)求解稀疏系数时并不是直接由各个字典组成的大字典求解而是对每一个子字典分别求解稀疏系数,不仅提高了分类准确率还节约了运算时间;(3)LS-SVM融合多特征稀疏系数,既保证充分挖掘数据的特点又能提高泛化能力。
【关键词】：字典 ICA 小波变换 加权稀疏 LS-SVM
【学位授予单位】：河北大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R540.4;TN911.7
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-15
• 1.1 课题研究背景和意义9-10
• 1.2 心电信号研究内容及现状10-13
• 1.2.1 心电信号的自动分类研究内容10-11
• 1.2.2 心电信号的自动分类研究现状11-13
• 1.3 本文研究内容及贡献点13-14
• 1.4 本文的章节安排14-15
• 第2章 心电信号的相关知识15-21
• 2.1 心电信号产生机理15-16
• 2.2 MIT-BIH数据库简介16-17
• 2.3 心电信号波形及其特点17-20
• 2.3.1 正常心电信号17-18
• 2.3.2 常见心电信号波形及其特点18-20
• 2.4 本章小结20-21
• 第3章 心电信号多特征提取21-29
• 3.1 基于小波变换的心电信号的特征提取21-24
• 3.1.1 小波变换基础知识21-22
• 3.1.2 心电信号的小波变换22-24
• 3.2 基于独立分量分析的心电信号的特征提取24-28
• 3.2.1 独立分量分析基本原理24-25
• 3.2.2 FastICA算法25-26
• 3.2.3 心电信号的FastICA变换26-28
• 3.3 本章小结28-29
• 第4章 心电信号分类方法研究29-43
• 4.1 基于稀疏表示的心电信号分类29-35
• 4.1.1 稀疏表示基本原理29-30
• 4.1.2 心电信号字典的构造30-32
• 4.1.3 心电信号字典的优化32-34
• 4.1.4 心电信号稀疏系数的求解34-35
• 4.2 基于支持向量机的心电信号分类35-38
• 4.2.1 SVM基本思想35-36
• 4.2.2 LS-SVM基本原理36-38
• 4.3 基于稀疏表示和LS-SVM的心电信号分类38-41
• 4.4 本章小结41-43
• 第5章 总结与展望43-45
• 5.1 工作总结43-44
• 5.2 工作展望44-45
• 参考文献45-50
• 致谢50-51
• 攻读硕士学位期间取得的科研成果51

【参考文献】

中国期刊全文数据库 前6条

1 曹玉珍;李广;范增飞;;基于小波变换特征提取的支持向量机心搏分类研究[J];天津大学学报;2007年07期

2 王春光;刘金江;孙即祥;;基于稀疏分解和模糊理论的心电信号波形检测及识别[J];信号处理;2009年07期

3 骆德汉;许广桂;邹宇华;H.Gholam Hosseini;;基于多阶人工神经网络的ECG信号诊断模型研究[J];仪器仪表学报;2008年01期

4 王春光;刘金江;孙即祥;;基于稀疏分解的心电数据压缩算法[J];中国生物医学工程学报;2008年01期

5 王春光;黄河涛;孙即祥;毛玲;;基于稀疏分解的心电信号波形检测及形状识别[J];中国生物医学工程学报;2008年02期

6 王丽苹;董军;;心电图模式分类方法研究进展与分析[J];中国生物医学工程学报;2010年06期

，

本文编号：881462