针对心肌梗死(myocardial infarction,MI)12导联高频心电信号(high frequency electrocardiogram,HFECG)全局特征聚类问题,提出了一种计算机自动聚类算法。收集MIT-BIH标准心电数据库中的健康心电信号、早期心肌梗死心电信号、急性期心...针对心肌梗死(myocardial infarction,MI)12导联高频心电信号(high frequency electrocardiogram,HFECG)全局特征聚类问题,提出了一种计算机自动聚类算法。收集MIT-BIH标准心电数据库中的健康心电信号、早期心肌梗死心电信号、急性期心肌梗死心电信号、近期心肌梗死心电信号进行处理。应用二维主分量判别法(two dimensional principal component analysis,2D-PCA)对12导联HF-ECG进行融合特征提取,并应用基于均方差属性加权的遗传模拟退火K-means改进聚类算法。与常规K-means聚类算法相比,特征值更加简单直观,所提算法平均分类精度有较大提高,能对12导联HF-ECG进行更有效的聚类。展开更多
文摘针对心肌梗死(myocardial infarction,MI)12导联高频心电信号(high frequency electrocardiogram,HFECG)全局特征聚类问题,提出了一种计算机自动聚类算法。收集MIT-BIH标准心电数据库中的健康心电信号、早期心肌梗死心电信号、急性期心肌梗死心电信号、近期心肌梗死心电信号进行处理。应用二维主分量判别法(two dimensional principal component analysis,2D-PCA)对12导联HF-ECG进行融合特征提取,并应用基于均方差属性加权的遗传模拟退火K-means改进聚类算法。与常规K-means聚类算法相比,特征值更加简单直观,所提算法平均分类精度有较大提高,能对12导联HF-ECG进行更有效的聚类。
