10.13873/J.1000-9787(2018)12-0125-03
基于EEMD多尺度模糊熵的心电分类算法
为了提高心电(ECG)分类准确率,提出基于集合经验模态分解(EEMD)和多尺度模糊熵的ECG特征提取算法.对ECG进行EEMD分解得到一系列内蕴模态函数(IMF)分量.选取有效IMF分量计算其动力学参数模糊熵并组成特征向量.将特征向量送入径向基函数(RBF)神经网络中进行训练和识别.采用MIT-BIH心率失常数据库的数据进行仿真.结果表明:所提算法优于单一模糊熵和EMD多尺度模糊熵方法,且泛化能力优于其他算法.
心电分类、集合经验模态分解、模糊熵、径向基函数神经网络
37
TP391(计算技术、计算机技术)
山西省自然科学基金资助项目2015011041
2019-01-12(万方平台首次上网日期,不代表论文的发表时间)
共4页
125-127,135