深度稀疏自编码器在ECG特征提取中的应用

摘要：

针对心电(ECG)信号智能分析模型中,复杂波形的特征提取困难,人工设计特征造成源信号特征丢失,标签样本不足等问题,提出了一种基于深度稀疏自编码器(Deep Sparse Auto-Encoders,DSAEs)的ECG特征提取方法.该方法在DSAEs进行贪婪逐层训练时,采用适应性矩阵估计(Adaptive moment estimation,Adam)对网络权重进行寻优,以此获得最优参数组合,同时提取出高层隐含层的输出,并作为ECG高度抽象的低维特征.最后利用支持向量机(Support Vector Machines,SVM)构建分类模型,完成对ECG的特征分类.使用MIT-BIH心律失常数据库的ECG数据进行仿真实验,结果表明,提出的ECG特征提取方法能有效地分层抽取特征,提高分类识别准确率.

关键词：心电信号、特征提取、深度稀疏自编码器、适应性矩阵估计、支持向量机

所属期刊栏目：57

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;四川省科技创新苗子工程项目

在线出版日期：2021-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：156-161