بهبود طبقهبندی سیگنال الکتروکاردیوگرام (ECG) با ماشین بردار پشتیبان و بهینهسازی اجتماع ذرات (PSO-SVM)
نوع فایل: word (قابل ویرایش)
تعداد صفحات : 71 صفحه
چکیده
آريتميهاي قلبي يكي از بيماريهاي قلبي بوده كه در مورد بيماران بستري شده در بخش مراقبتهاي ويژه بايد به آن توجه شود. هوشمندسازی فرآیند تشخیص دقیق بیماریهای قلبی مسالهای است که سالها مورد توجه پژوهشگران قرار گرفته است. در این تحقیق روشی کارآمد جهت گزینش ویژگیهای مناسب استخراج شده از سیگنال ECG، بر پایهی الگوریتم باینری فاخته (BCOA) ارائه شده است. ویژگیهای استخراج شده شامل ویژگیهای زمانی، AR و ضرایب موجک است که تعداد این ویژگیها با استفاده از عملگر mRMR یا PCA کاهش داده میشود BCOA ،مجموعههایی از ویژگی تشکیل میدهد و همواره در پی یافتن مجموعهای شایسته از تمامی ویژگیها است. ارزیابی این مجموعه از ویژگیهای انتخاب شده توسطBCOA با اعمال به طبقه بند SVM بررسی میشود. سپس الگوریتم PSO جهت بهینهسازی پارامترهای SVM اعمال میشود. به كمك شبيهسازي كامپيوتري،صحت كلي سيستم براي شناسايي ۶ نوع ريتم قلبي %۹۷/۹۸ به دست آمد که در مقایسه دقت حاصل شده با پژوهشهای پیشین،کارایی مطلوب روش پیشنهادی را نشان میدهد.
کلمات کلیدی: طبقه بندی سیگنال الکتروکاردیو گرام، الگوریتم فاخته، طبقهبند ماشین بردار پشتیبان.
کلمات کلیدی: طبقه بندی سیگنال الکتروکاردیو گرام، الگوریتم فاخته، طبقهبند ماشین بردار پشتیبان.