山东大学学报(工学版)

作者：袁高腾,周晓峰,郭宏乐

单位：河海大学计算机与信息学院, 江苏 南京 211100

关键词：ECG信号,小波变换,特征选择,机器学习,

基金：江苏省研究生科研创新计划(KYCX22_0609)

为了提高不同类别心电图(Electrocardiogram,ECG)信号的识别精度,使用小波分析提取心电信号特征,并使用分段距离的特征筛选方法对特征进行筛选排序,去除冗余和干扰特征,挑选出关键特征。通过缩减特征数量,提高分类的精度和效率。结合机器学习分类器对特征进行分类,比较分类效果。结果显示,在MIT-BIH数据集上,本方法的分类精度比不使用特征选择分类精度高0.22%,分类精度最高达到99.67%。试验证明本研究提出的模型能够区分4种常见的ECG信号,较传统方法优势明显。

来源：2022年第4期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2022年第4期