欢迎使用InfoSci平台
参考中心1
基于经验模式分解特征的径向基函数网络心律失常分类

基于经验模式分解特征的径向基函数网络心律失常分类

索门德拉·库马尔·莫哈帕特拉（Saumendra Kumar Mohapatra）、米希尔·纳拉扬·莫汉蒂（Mihir Narayan Mohanty）
版权：© 2021|体积：15|问题：1|页：15
国际标准编号：1557-3958|EISSN公司：1557-3966|EISBN13：9781799859826|内政部：10.4018/IJCINI.20210104
引用文章引用文章

MLA公司

Mohapatra、Saumendra Kumar和Mihir Narayan Mohanty。“使用径向基函数网络进行心律失常分类，并从经验模式分解中选择特征。”IJCINI公司第15卷，第1期，2021年：第39-53页。http://doi.org/10.4018/IJCINI.20210104

亚太地区

Mohapatra，S.K.和Mohanty，M.N.（2021）。基于经验模式分解的选择性特征的径向基函数网络心律失常分类。国际认知信息学与自然智能杂志（IJCINI），15(1), 39-53. http://doi.org/10.4018/IJCINI.2021010104

芝加哥

Mohapatra、Saumendra Kumar和Mihir Narayan Mohanty。“基于经验模式分解的选择性特征的径向基函数网络心律失常分类”国际认知信息学与自然智能杂志（IJCINI）15，编号1:39-53。http://doi.org/10.4018/IJCINI.20210104

导出参考

门德利
最喜欢的完整发布下载

摘要

在这项工作中，作者尝试使用径向基函数网络（RBFN）对四种类型的长时程心律失常心电图（ECG）进行分类。数据来自麻省理工学院-贝思以色列医院（MIT-BIH）心律失常数据库，并使用经验模式分解（EMD）技术提取特征。对于信息量最大的内容，平均功率（AP）和色散系数（CD）由EMD的六个固有模函数（IMF）计算得出。采用主成分分析（PCA）进行特征约简，利用RBFN进行有效分类。结果部分显示了该算法的性能，分类准确率为95.98%。