收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于支持向量机的J波诊断技术研究

刘学博  
【摘要】:J波在心电信号上的出现预示着恶性心律失常、心肌梗塞、心脏性猝死等一系列致命性心脏疾病可能会发生。如何从心电信号中快速准确的检测出J波,给出适当的治疗方案来减少患者死亡率,是医疗界相关研究亟待解决的一个难题。目前研究主要依靠临床医生的经验来判断是否含有J波,无法形成系统的判断标准和客观的分析结果。由于拥有出色的学习能力、较好的泛化能力并擅长处理小样本数据,支持向量机(Support Vector Machine,SVM)已经广泛应用于心率失常、心肌梗死、癫痫、儿童注意缺陷与多动症等许多疾病的自动识别中。本文将SVM引入到J波自动分类识别中,拓宽SVM在医学领域的应用范围,并提出了两种基于SVM的J波自动检测算法,具体内容如下:第一种算法主要包括特征向量的选择及其特征降维和分类,特征选择的过程中主要用到曲线拟合、小波变换、HRV分析方法、波形分析等,特征降维用到了主成分分析方法。在分类的训练阶段,利用相似度寻找少量的类似支持向量,测试阶段使用获得的类似支持向量重新训练SVM并检测其效能。实验仿真比较证明,本算法比原始的SVM有更高的识别率。第二种算法主要包括特征选择及降维、SVM最优参数的选择。在第一种算法的基础上,本文提出了全局特征和局部特征的概念;利用独立分量分析方法对获得特征向量进行降维和融合;在参数的选择上,本文提出一种基于变步长方法自适应的算法来寻找最优的核函数参数?。仿真结果表明,本算法的总体准确率可以达到96.1%。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 张向东,毕韶丹,关宏宇;拮抗药化合物活性的支持向量机研究[J];辽宁大学学报(自然科学版);2005年03期
2 罗万春;;基于支持向量机的凝血功能诊断模型[J];数学的实践与认识;2013年06期
3 谢洪波,王志中,黄海;表面肌电的支持向量机分类[J];北京生物医学工程;2004年02期
4 陆强;冯敏;马华;张西学;;模糊聚类支持向量机在步态分类中的应用[J];中国组织工程研究与临床康复;2011年09期
5 史鑫;罗述谦;;支持向量机在医学图像分割中的应用[J];北京生物医学工程;2007年03期
6 李磊;黄水平;;支持向量机原理及其在医学分类中的应用[J];中国卫生统计;2009年01期
7 郑莉丽;李晓强;李福凤;闫西平;王忆勤;王真真;;基于支持向量机的中医望诊唇色自动分类[J];生物医学工程学杂志;2011年01期
8 王浩军,郑崇勋,李映,朱华锋,闫相国;支持向量机在血细胞分类中的应用[J];生物医学工程学杂志;2003年03期
9 周舒冬;张磊;叶小华;杨云升;;支持向量机技术在疾病预后中的应用和比较[J];数理医药学杂志;2007年06期
10 胡康达;符红光;孔祥振;;分级聚类支持向量机在中医舌像分类中的应用[J];计算机应用;2010年S2期
11 武振宇;李康;;支持向量机在基因表达数据分类中的应用研究[J];中国卫生统计;2007年01期
12 管翠萍;石晶;徐惠娟;;基于压缩氨基酸和支持向量机进行膜蛋白类型识别[J];生物信息学;2013年04期
13 张同亮;丁永生;;基于二叉树支持向量机的蛋白质结构类预测[J];生物医学工程学杂志;2008年04期
14 唐孝;唐丽;莫智文;;基于支持向量机算法的ECG分类策略[J];生物医学工程学杂志;2008年02期
15 汪伟;刘红;;基于遗传算法与支持向量机的基因微阵列分析[J];中国组织工程研究与临床康复;2010年17期
16 李淑贤;陈超;王淑美;邓小慧;梁生旺;;支持向量机回归算法用于筛选脑得生抗血栓有效部位[J];中药材;2011年07期
17 王金甲;贾敏;;标签均值的自训练半监督支持向量机用于EEG分类[J];中国生物医学工程学报;2011年05期
18 周春晓;支持向量机方法(SVM)在生物学中的应用[J];中国分子心脏病学杂志;2005年01期
19 张启忠;;采用非线性核支持向量机并基于基因表达数据的基因选择和分类[J];生命科学仪器;2007年07期
20 杨立才;李金亮;姚玉翠;李光林;;基于小波分解和支持向量机的P300识别算法[J];中国生物医学工程学报;2007年06期
中国重要会议论文全文数据库 前10条
1 余乐安;姚潇;;基于中心化支持向量机的信用风险评估模型[A];第六届(2011)中国管理学年会——商务智能分会场论文集[C];2011年
2 刘希玉;徐志敏;段会川;;基于支持向量机的创新分类器[A];山东省计算机学会2005年信息技术与信息化研讨会论文集(一)[C];2005年
3 史晓涛;刘建丽;骆玉荣;;一种抗噪音的支持向量机学习方法[A];全国第19届计算机技术与应用(CACIS)学术会议论文集(下册)[C];2008年
4 何琴淑;刘信恩;肖世富;;基于支持向量机的系统辨识方法研究及应用[A];中国力学大会——2013论文摘要集[C];2013年
5 刘骏;;基于支持向量机方法的衢州降雪模型[A];第五届长三角气象科技论坛论文集[C];2008年
6 王婷;胡秀珍;;基于组合向量的支持向量机方法预测膜蛋白类型[A];第十一次中国生物物理学术大会暨第九届全国会员代表大会摘要集[C];2009年
7 赵晶;高隽;张旭东;谢昭;;支持向量机综述[A];全国第十五届计算机科学与技术应用学术会议论文集[C];2003年
8 周星宇;王思元;;智能数学与支持向量机[A];2005年中国智能自动化会议论文集[C];2005年
9 颜根廷;马广富;朱良宽;宋斌;;一种鲁棒支持向量机算法[A];2006中国控制与决策学术年会论文集[C];2006年
10 侯澍旻;李友荣;刘光临;;基于支持向量机的设备振动信号趋势预测[A];12省区市机械工程学会2006年学术年会湖北省论文集[C];2006年
中国博士学位论文全文数据库 前10条
1 张晓雷;支持向量机若干问题的研究[D];清华大学;2012年
2 王瑜;基于支持向量机和多信息融合的局部放电故障诊断研究[D];华北电力大学;2015年
3 郭虎升;支持向量机的优化建模方法研究[D];山西大学;2014年
4 姚毓凯;支持向量机关键技术及其在人体活动识别中的应用研究[D];兰州大学;2015年
5 周叶;基于新异类检测和支持向量机的水电机组诊断技术研究[D];中国水利水电科学研究院;2015年
6 王喜宾;基于优化支持向量机的个性化推荐研究[D];重庆大学;2015年
7 夏书银;基于分类噪声检测的支持向量机算法研究[D];重庆大学;2015年
8 陈桂军;基于支持向量机的异常检测关键问题研究及应用[D];太原理工大学;2016年
9 周喜川;非可信环境下的支持向量机研究[D];浙江大学;2010年
10 常甜甜;支持向量机学习算法若干问题的研究[D];西安电子科技大学;2010年
中国硕士学位论文全文数据库 前10条
1 邱志勇;一类支持张量机及其算法研究[D];华南理工大学;2015年
2 董慧康;基于人群搜索—支持向量机的心脏病多生理参数诊断方法研究[D];河北工业大学;2014年
3 李萌;基于支持向量机的高分遥感影像分类技术研究与应用[D];中国地质大学(北京);2015年
4 甘乐;基于支持向量机的高光谱图像降维与分类研究[D];长江大学;2015年
5 李遥;基于GACO支持向量机的新能源电力系统状态预测方法研究[D];北京交通大学;2016年
6 刘小菲;支持向量机在DNA数据分析中的应用研究[D];辽宁师范大学;2015年
7 刘学博;基于支持向量机的J波诊断技术研究[D];太原理工大学;2016年
8 王剑锋;基于样本几何估计值的支持向量机研究[D];湖南大学;2008年
9 卜令超;带有不确定输入的支持向量机的研究及其生物信息学应用[D];江南大学;2009年
10 王慧萍;三胞支持向量机的研究[D];云南大学;2010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
  • 010-62982499
  • 010-62783978