Changchun Institute of Optics,Fine Mechanics and Physics,CAS
可用于移动设备的心律失常分类算法研究 | |
易铭; 郁磊; 王计平; 方强 | |
2014-07-15 | |
发表期刊 | 计算机仿真 |
期号 | 7页码:243-246 |
摘要 | 在心律失常分类问题的研究中,将神经网络、支持向量机用于移动设备平台的室性心律失常分类时,针对数据量大导致的训练时间长、分类时间长的问题,提出了激活函数改进的岭回归极限学习机(Extreme Learning Machine,ELM)算法,以岭回归极限学习机为基础,对激活函数进行多种改进尝试。以训练时间和分类准确率等为性能指标,对比不同激活函数,以及多种分类算法,证明改进后的岭回归极限学习机算法能够快速、准确地针对室性心律失常进行分类,速度与准确性优于其它几种算法。 |
关键词 | 心电信号 室性心律失常 极限学习机 岭回归 激活函数改进 |
语种 | 中文 |
文献类型 | 期刊论文 |
条目标识符 | http://ir.ciomp.ac.cn/handle/181722/43373 |
专题 | 中科院长春光机所知识产出 |
推荐引用方式 GB/T 7714 | 易铭,郁磊,王计平,等. 可用于移动设备的心律失常分类算法研究[J]. 计算机仿真,2014(7):243-246. |
APA | 易铭,郁磊,王计平,&方强.(2014).可用于移动设备的心律失常分类算法研究.计算机仿真(7),243-246. |
MLA | 易铭,et al."可用于移动设备的心律失常分类算法研究".计算机仿真 .7(2014):243-246. |
条目包含的文件 | 下载所有文件 | |||||
文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
可用于移动设备的心律失常分类算法研究.c(182KB) | 开放获取 | CC BY-NC-SA | 浏览 下载 |
个性服务 |
推荐该条目 |
保存到收藏夹 |
查看访问统计 |
导出为Endnote文件 |
谷歌学术 |
谷歌学术中相似的文章 |
[易铭]的文章 |
[郁磊]的文章 |
[王计平]的文章 |
百度学术 |
百度学术中相似的文章 |
[易铭]的文章 |
[郁磊]的文章 |
[王计平]的文章 |
必应学术 |
必应学术中相似的文章 |
[易铭]的文章 |
[郁磊]的文章 |
[王计平]的文章 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论