收藏本站
《华东师范大学》 2004年
收藏 | 手机打开
二维码
手机客户端打开本文

应用于心电图分类的KNN和SVM分类器研究

谢秋玲  
【摘要】:分类器是模式识别系统的重要组成部分 也是机器学习的重要研究领域。支持向量机(Support Vector Machine)是一种新的分类器,由于能够较好的解决小样本学习问题并具有较强的泛化能力,使其迅速成为目前模式识别领域的研究热点。本文主要研究对象是KNN和SVM两种分类方法。一方面进一步揭示SVM的分类机理,针对其在应用中的一些限制提出和KNN相结合的改进算法KNN—SVM,拓广了SVM的应用范围。另一方面运用K近邻法(K Nearest Neighbor)、SVM和KNN—SVM对心电图信号进行分类,并对分类结果进行比较研究。本文的研究工作主要包括以下几方面: 1、一种适合心电图特点的数据训练方式 根据心电图数据有八个导联且反映心电向量在不同方向上的情况的特点,发现一种不同以往的对训练样本进行运用的方法:对所有心电图按照导联分段划分,样本集每次只取对应的一个导联进行训练和测试。八个导联一一学习,这样得到八个输出值,然后对每个测试样本综合八个导联的判断值,由多数的判断值来决定最终的分类结果。我们把上述这种方法称作“八个导联并联的学习方式”。以往常见的方式有:把每个心电图的八个导联串联作为样本进行学习;或只挑取一个导联作为样本进行学习。实验表明,使用八个导联并联的学习方式比其它两种学习方式,无论是用KNN还是SVM分类器,在提高正确率和降低对参数的敏感性方面都非常明显。究其原因,跟串联方式相比,我们把样本在特征空间的维数从344维降低到43维;跟只取一个导联作为样本的方式相比,我们充分利用了所有的医学特征,并且分散了只依靠一个导联作决定的风险和错误因素,结果证明这是一个值得运用的数据处理方式。 2、KNN-SVM分类器算法研究; 支持向量机利用靠近边界的少数向量构造一个最优分类超平面。在训练分类器时,SVM的着眼点在于两类的交界部分,那些混杂在另一类中的点往往无助于提高分类器的性能,反而会大大增加训练器的负担,同时它们的存在还可能造成过学习,使泛化能力减弱,为了改善支持向量机的泛化能力,本文提出了一种改进的分类器算法——KNN-SVM:它先对训练集进行修剪,根据每个样本与其最近邻的K个(K nearest neighbor)类标的异同决定其取舍,然后再用SVM训练得到分类超平面。实验表明,KNN-SVM相比SVM在分类正确率,分类速度以及适用的样本规模上都表现出了一定的优越性。
【学位授予单位】:华东师范大学
【学位级别】:硕士
【学位授予年份】:2004
【分类号】:TP399

【相似文献】
中国期刊全文数据库 前10条
1 王丽辉;袁保宗;;三维散乱点云模型的特征点检测[J];信号处理;2011年06期
2 牟廉明;;k子凸包分类方法[J];山西大学学报(自然科学版);2011年03期
3 何兆成;佘锡伟;余文进;杨文臣;;字符多特征提取方法及其在车牌识别中的应用[J];计算机工程与应用;2011年23期
4 周进登;王晓丹;;基于最小k近邻错分率编码确定方法及其在多类分类中的应用[J];控制与决策;2011年09期
5 孙丽梅;李晶皎;孙焕良;;基于动态k近邻的SlopeOne协同过滤推荐算法[J];计算机科学与探索;2011年09期
6 ;[J];;年期
7 ;[J];;年期
8 ;[J];;年期
9 ;[J];;年期
10 ;[J];;年期
中国重要会议论文全文数据库 前4条
1 翟宇梅;赵瑞星;肖仁春;钱尧;王力维;;用K近邻非参数回归技术作淮河流域降水预报试验[A];新世纪气象科技创新与大气科学发展——中国气象学会2003年年会“03.7淮河大水的水文气象学问题”分会论文集[C];2003年
2 哈明虎;赵春雷;张鸿;;粗糙空间上基于VC维的风险泛函的界[A];中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集[C];2010年
3 谢秋玲;;应用于心电图分类的KNN-SVM分类器研究[A];2006中国控制与决策学术年会论文集[C];2006年
4 罗辛;欧阳元新;熊璋;袁满;;通过相似度支持度优化基于K近邻的协同过滤算法[A];NDBC2010第27届中国数据库学术会议论文集A辑一[C];2010年
中国博士学位论文全文数据库 前4条
1 任双桥;支撑矢量机理论与应用研究[D];国防科学技术大学;2006年
2 许文龙;基于基因表达数据的肿瘤亚型多类别分类与分析[D];中国科学技术大学;2008年
3 杨茂林;离群检测算法研究[D];华中科技大学;2012年
4 孟庆武;沉积相综合分析方法研究及软件研制[D];中国科学院软件研究所;2001年
中国硕士学位论文全文数据库 前10条
1 谢秋玲;应用于心电图分类的KNN和SVM分类器研究[D];华东师范大学;2004年
2 张瑞民;心电图的分类和神经网络的VC维[D];华东师范大学;2004年
3 白旭英;贝叶斯网络诱导的内积空间与核函数[D];西安电子科技大学;2009年
4 张勇;支持向量机中Fourier核的性能分析[D];华东师范大学;2008年
5 张燕;基于非负矩阵分解算法的离线笔迹鉴别[D];河北工业大学;2007年
6 孙淑伟;支持向量机的重建模型及其SMO法研究[D];西安电子科技大学;2009年
7 翟重量;基于支持向量机的语种识别研究[D];哈尔滨工程大学;2007年
8 吴志峰;基于概念特征的中文文本分类研究[D];河北大学;2005年
9 何婕;SVM及其在车牌字符识别中的运用[D];四川大学;2005年
10 陈刚;脱机签名识别技术研究[D];中国人民解放军信息工程大学;2005年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026