跳转到主要内容
认证机构:IGI全球平台(153.3.241.51)
登录
注册
语言:
英语
欢迎使用InfoSci平台
IGI全球平台
IGI全球平台
无法进行身份验证。
IP:153.3.241.51
数据库搜索
数据库搜索
基本搜索
高级搜索
专家搜索
保存的搜索
索策略
研究工具
研究工具
帮助
用户指南
咨询委员会
用户资源
用户资源
针对研究人员
对于作者
对于图书馆员
参考中心
1
指数
该标题如下所示:
关闭
参考中心
该研究被引用于:
第章
分析心电图数据——对心脏健康的统计见解
利用传感器技术彻底改变医疗保健
10.4018/979-8-3693-2762-3.ch009
关闭
最近搜索的热门结果
关闭
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)
源标题:
国际认知信息学与自然智能杂志(IJCINI)
15(1)
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
最喜欢的
完整发布下载
查看全文HTML
查看全文PDF
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%。
如果出现与翻译网站中所含信息准确性相关的任何问题,
请参阅网站的英文版本,即官方版本。
访问
www.igi-global.com/gateway/terms-and-conditions网站/
了解更多信息。