基于稀疏表示和神经网络的心律不齐识别分类方法
授权
摘要
本发明公开了一种基于稀疏表示和神经网络的心律不齐识别分类方法，该方法利用稀疏表示框架进行心电信号的预处理，并且得到了QRS波的低频部分，之后利用离散余弦变换实现了特征提取，利用主成分分析得到降维后的变换系数作为特征属性，最后利用以BP神经网络作为基学习器的Bagging算法完成了心律不齐中正常心律(N)、左束支传导阻滞(LBBBB)、右束支传导阻滞(RBBBB)、房性早搏(APB)、室性早缩(PVC)以及起博心拍(PB)六种类型的心拍进行自动分类。本发明从QRS波的低频段进行特征提取，降低了特征属性的维度，利用集成学习中Bagging算法解决了类别不平衡的问题，从而提高了分类准确率。
基本信息
专利标题 ：
基于稀疏表示和神经网络的心律不齐识别分类方法
专利标题（英）：
暂无
公开（公告）号 ：
CN108647584A
申请号 ：
CN201810359468.8
公开（公告）日 ：
2018-10-12
申请日 ：
2018-04-20
授权号 ：
CN108647584B
授权日 ：
2022-04-22
发明人 ：
王霞康春阳
申请人 ：
西安交通大学
申请人地址 ：
陕西省西安市碑林区咸宁西路28号
代理机构 ：
西安通大专利代理有限责任公司
代理人 ：
徐文权
优先权 ：
CN201810359468.8
主分类号 ：
G06K9/00
IPC分类号 ：
G06K9/00 G06K9/62
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06K
数据识别；数据表示；记录载体；记录载体的处理
G06K9/00
用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置
法律状态
2022-04-22 ：
授权
2018-11-06 ：
实质审查的生效
IPC(主分类) : G06K 9/00
申请日 : 20180420
申请日 : 20180420
2018-10-12 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
