-
题名深度稀疏自编码器在ECG特征提取中的应用
被引量：10
- 1
-
-
作者
郑淋文
周金治
黄静
-
机构
西南科技大学信息工程学院
特殊环境机器人技术四川省重点实验室
-
出处
《计算机工程与应用》
CSCD
北大核心
2021年第11期156-161,共6页
-
基金
国家自然科学基金(51475453)
四川省科技创新苗子工程(19MZGC0201)。
-
文摘
针对心电(ECG)信号智能分析模型中,复杂波形的特征提取困难,人工设计特征造成源信号特征丢失,标签样本不足等问题,提出了一种基于深度稀疏自编码器(Deep Sparse Auto-Encoders,DSAEs)的ECG特征提取方法。该方法在DSAEs进行贪婪逐层训练时,采用适应性矩阵估计(Adaptive moment estimation,Adam)对网络权重进行寻优,以此获得最优参数组合,同时提取出高层隐含层的输出,并作为ECG高度抽象的低维特征。最后利用支持向量机(Support Vector Machines,SVM)构建分类模型,完成对ECG的特征分类。使用MIT-BIH心律失常数据库的ECG数据进行仿真实验,结果表明,提出的ECG特征提取方法能有效地分层抽取特征,提高分类识别准确率。
-
关键词
心电信号
特征提取
深度稀疏自编码器
适应性矩阵估计
支持向量机
-
Keywords
ECG signal
feature extraction
Deep Sparse Auto-Encoders(DSAEs)
Adaptive moment estimation(Adam)
Support Vector Machines(SVM)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
