10.3969/j.issn.1000-2324.2020.02.019
基于CNN和SVM混合模型的心电信号识别方法
目前心血管疾病已成为危害人类生命健康的主要疾病之一,为实现对不同类型的心电图进行自动分析,并对异常心率进行实时预警,本文提出了基于卷积神经网络(CNN)和支持向量机(SVM)混合模型的心电信号分类模型,并使用MIT-BIH数据集来进行系统模型的训练与验证.考虑到CNN对数据的识别能力较强,能够充分提取数据局部特征,以及SVM在小样本数据上泛化能力较好的特点,将CNN+SVM的混合模型应用到小样本的心电信号数据分类中,取得了较好的效果.最后通过5倍交叉验证比较CNN+SVM、CNN、SVM三种模型的各项性能,结果表明,CNN+SVM各项指标均优于CNN与SVM.
卷积神经网络、支持向量机、心电信号识别
51
R540.4+1(心脏、血管(循环系)疾病)
国家自然科学基金面上项目:数据融合的GNSS-IR农田土壤湿度反演方法研究31971781
2020-06-04(万方平台首次上网日期,不代表论文的发表时间)
共6页
283-288