基于特征选择算法的ECG信号分类

摘要：

为了提高不同类别心电图(Electrocardiogram,ECG)信号的识别精度,使用小波分析提取心电信号特征,并使用分段距离的特征筛选方法对特征进行筛选排序,去除冗余和干扰特征,挑选出关键特征.通过缩减特征数量,提高分类的精度和效率.结合机器学习分类器对特征进行分类,比较分类效果.结果显示,在MIT-BIH数据集上,本方法的分类精度比不使用特征选择分类精度高0.22％,分类精度最高达到99.67％.试验证明本研究提出的模型能够区分4种常见的ECG信号,较传统方法优势明显.

关键词：ECG信号、小波变换、特征选择、机器学习

所属期刊栏目：52

分类号：TP391(计算技术、计算机技术)

资助基金：江苏省研究生科研创新计划项目KYCX220609

在线出版日期：2022-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：38-44