学位论文 > 优秀研究生学位论文题录展示
心电图常见疾病的统计模式识别分类方法的应用研究
作 者: 童佳斐
导 师: 董军
学 校: 华东师范大学
专 业: 计算机应用技术
关键词: 心电图 特征 贝叶斯分类 支持向量机 分类器组合
分类号: TP391.4
类 型: 硕士论文
年 份: 2010年
下 载: 149次
引 用: 4次
阅 读: 论文下载
内容摘要
随着现代社会的不断进步和发展,人们越来越认识到健康的重要性。心脏病是常见病和多发病,而且具有致命性。许多心脏病患者在到达医院急诊室之前,医生基本不清楚其具体情况,无法进行及时的抢救,所以快速及时的诊断和治疗是十分必要的。本文首先介绍了心电图自动诊断的相关工作,给出了基于医生经验的29种常见的心电图疾病诊断规则,实验表明,根据医生经验获得的心电图特征有更好的效果。接着具体介绍了两种统计模式识别分类方法——贝叶斯分类器和支持向量机分类器,并且利用MIT-BIH进行实验,支持向量机分类器的分类效果要优于贝叶斯分类器。随后针对实际的临床十二导联心电图数据,实验了两种支持向量机的分类方法。最后介绍和分析了分类器组合的方法,串行分类器组合算法的特异度和灵敏度离实际应用还有很大的差距。目前,我们实验的支持向量机分类方法已经移植到了远程心电诊断中心,将根据反馈不断完善应用效果。
|
全文目录
中文摘要 6-7 ABSTRACT 7-10 第1章 绪论 10-13 1.1 心电图的产生 10 1.2 研究心电图自动诊断的意义 10-11 1.3 本文的主要内容 11-13 第2章 心电图基础知识 13-18 2.1 基本概念 13-16 2.2 记录形式 16-18 第3章 心电图分类的相关工作 18-28 3.1 数据获取 18-21 3.1.1 CSE数据库 19 3.1.2 AHA数据库 19 3.1.3 MIT-BIH数据库 19-20 3.1.4 样本量计算 20-21 3.2 预处理 21-22 3.3 特征提取 22-24 3.4 波形分类 24-28 3.4.1 基于知识库的分类方法 24-25 3.4.2 基于模式识别的分类方法 25-28 第4章 基于医生经验的心电图规则 28-40 4.1 形态特征参数 28-29 4.2 基于医生经验的常见心脏疾病的判别规则 29-40 第5章 贝叶斯分类方法 40-50 5.1 几种常用的贝叶斯决策 40-42 5.1.1 基于最小错误率的贝叶斯决策 40-41 5.1.2 基于最小风险的贝叶斯决策 41-42 5.1.3 最小最大决策 42 5.1.4 序贯分类方法 42 5.2 多元正态概率下的最小错误率贝叶斯判别函数 42-44 5.2.1 多元正态分布概率密度函数的定义及性质 43 5.2.2 多元正态概率下的最小错误率贝叶斯判别函数 43-44 5.3 贝叶斯分类器两分类的实验 44-48 5.3.1 贝叶斯分类器的实验步骤 44-45 5.3.2 贝叶斯分类器两分类的实验过程 45-46 5.3.3 统计分析 46-47 5.3.4 比较 47-48 5.4 贝叶斯分类器多分类实验 48-49 5.5 贝叶斯分类器的优缺点 49-50 第6章 支持向量机 50-71 6.1 最优分类超平面 50-51 6.2 线性支持向量机 51-53 6.3 非线性支持向量机 53-54 6.4 核函数的选取 54-56 6.5 支持向量机两分类实验 56-62 6.5.1 支持向量机两分类的实现步骤 56-57 6.5.2 支持向量机两分类的实验过程 57-59 6.5.3 比较 59-62 6.6 支持向量机多分类方法 62-65 6.6.1 支持向量机多分类的几种方法 62-63 6.6.2 支持向量机多分类的实验结果 63-65 6.7 贝叶斯分类器和支持向量机的比较 65-66 6.8 十二导联心电图支持向量机分类 66-70 6.8.1 十二导联心电图特征串联支持向量机分类实验 66-67 6.8.2 十二导联心电图特征并联支持向量机分类 67-68 6.8.3 蒙特卡罗法多导联心电图特征融合 68-69 6.8.4 蒙特卡罗法多导联心电图特征融合实验 69-70 6.9 支持向量机的优缺点 70-71 第7章 分类器组合 71-82 7.1 分类器组合的方法 72-77 7.1.1 投票表决法 73-75 7.1.2 Boosting算法 75 7.1.3 Bagging算法 75-76 7.1.4 Stacking算法 76 7.1.5 Cascade算法 76-77 7.2 并行分类器组合 77-79 7.2.1 并行分类器组合的实验过程 77-78 7.2.2 比较 78-79 7.3 串行分类器组合 79-81 7.3.1 串行分类器组合的实验过程 79-80 7.3.2 串行分类器组合实验结果 80-81 7.4 待研究的问题 81-82 第8章 总结与展望 82-84 附录 84-88 参考文献 88-97 硕士在读期间发表的论文 97-98 致谢 98-99
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 东北满族民居的文化涵化研究,TU241.5
- 多厅影院空间架构研究,TU242.2
- 钢在建筑中的技术表现力研究,TU-0
- 长春市历史保护区的形态特征与保护对策研究,TU984.114
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 电网电压不平衡时复合型PWM整流器控制策略的研究,TM461
- 民国时期北平城市粮食市场区位分布及其等级研究,K291
- 昆明流动人口聚居区的现状、问题及其对策初步研究,C924.25
- 高频雷达信号电离层污染及时频分析方法研究,TN958.93
- 多重ANN/HMM混合模型在语音识别中的应用,TN912.34
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 用于检索的人脸特征提取与匹配算法研究,TP391.41
- 基于用户兴趣特征的图像检索研究与实现,TP391.41
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 基于句法特征的代词消解方法研究,TP391.1
- 基于特征的软构件建模方法及其在VMI管理系统中的应用,TP311.52
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置
© 2012 www.xueweilunwen.com
|