📄 ml.htm
字号:
<!ArtChnTitle>
<!ArtChnAuthor>
<!ArtAuthorAddress>
<!ArtChnAbstract>
<!ArtChnKeyword>
<!ArtEngTitle>
<!ArtEngAuthor>
<!ArtEngAbstract>
<!ArtEngKeyword>
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=gb2312">
<meta name="GENERATOR" content="Microsoft FrontPage 5.0">
<title>学位论文－基于特征提取与神经网络的心电图分类研究</title>
<style>A:link {COLOR: #000000; FONT-FAMILY: 宋体; TEXT-DECORATION: none}
A:visited {COLOR: #000000; FONT-FAMILY: 宋体; TEXT-DECORATION: none}
A:active {FONT-FAMILY:宋体; TEXT-DECORATION: none}
A:hover {COLOR: #000000;TEXT-DECORATION:none}
BODY {FONT-FAMILY:宋体; FONT-SIZE: 9pt;TEXT-DECORATION:none}
TABLE {FONT-FAMILY: 宋体; FONT-SIZE: 9pt}
.H1 {FONT-SIZE: 9pt; COLOR: #0000cc}
.ourfont {FONT-SIZE: 9pt; LINE-HEIGHT: 14pt}
select {font-size:12px;}
.wx {BACKGROUND: #001863; BORDER-BOTTOM: white 1px solid; BORDER-LEFT: white 1px solid; BORDER-RIGHT: white 1px solid; BORDER-TOP: white 1px solid; COLOR: #ffffff; FONT-SIZE: 9pt; FONT-STYLE: normal; FONT-VARIANT: normal; FONT-WEIGHT: normal; HEIGHT: 18px; LINE-HEIGHT: normal}
.wx1 {border-top: #c0c0c0 1px;border-left: #c0c0c0 1px;border-right:#c0c0c0 1px;border-bottom:#c0c0c0 1px;border-style:inset;background-color:#ffffff;vertical-align:text-bottom}
</style>
</head>
<body bgcolor="#FFFFFF" link="#000000" background="../image/bg.gif">
<img src="../../images/xwlwk.jpg" width="750" height="94">
<table width="83%" border="0" cellspacing="0" cellpadding="0">
<tr>
<td width="19%"><p> </p>
<p></p></td>
<td width="81%"><p>馆藏号：Y718807<br>
<br>
论 文 题 目：<strong style="font-weight: 400">基于特征提取与神经网络的心电图分类研究</strong><br>
学位授予单位：四川师范大学<br>
作 者：冯俊<br>
申请学位级别：硕士<br>
学 科 名 称：运筹学与控制论<br>
指 导 教 师：莫智文<br>
出 版 时 间：20050601<br>
摘 要：<br>
本文基于心电图特征提取与神经网络分类,提出了一种模拟现实特点的心电图分类方法:一方面,改进心电图分析中的射线拟合方法.另一方面,根据心电信号中,各波分别处在不同的频率范围的特点,采用Mexican-hat小波变换检测心电信号的特征点.在分别运用两种方法检测到心电信号的特征点后,根据临床情况下心电图疾病分析的原理与实际诊断的特点,根据径向基函数网络具有强分类能力的特性,应用一个径向基函数网络对心电图特征在高维空间进行分类.经MIT-BIH心电数据库部分波形试验证明,该方法通过对提取到的特征进行学习、分类,具有较好的分类准确率.在文献[6]分类正确率不到97%(学习波形)与54%(未学习波形)的基础上,对学习过的波形分类的正确率达到100%.对未学习过的波形,经分类网络试验,对通过射线拟合方法得到的特征,分类正确率为78.2%;对通过小波变换方法得到的特征,分类正确率达到86.6%.<br>
分 类 号：TP183;R540.41<br>
关 键 词：多导联;心电图分类;射线拟合;Mexican-hat小波;神经网络
<p align="center">
<table width="80" border="0" cellspacing="0" cellpadding="0">
<tr>
<td bgcolor="#cccccc">
<table width="100%" border="0" cellspacing="1" cellpadding="0">
<tr style="CURSOR: hand">
<td bgcolor="#CCCCCC" onMouseOver="this.bgColor='#999999';" onMouseOut="this.bgColor='#cccccc';" valign="bottom" height="18" NAME="NAME_BALL" STYLE="cursor:hand" child="FALL"><div align="center"><strong><font size="4"><a href="index.htm">PDF正文</a></font></strong></div></td>
</tr>
</table></td>
</tr>
</table>
</td>
</tr>
</table>
<div align="center"></div>
</body>
</html>
⌨️ 快捷键说明
复制代码
Ctrl + C
搜索代码
Ctrl + F
全屏模式
F11
切换主题
Ctrl + Shift + D
显示快捷键
?
增大字号
Ctrl + =
减小字号
Ctrl + -