%0 Journal Article
%T 基于近邻保持嵌入算法的心律失常心拍分类
%A 李健
%A 李智
%A 陈珊珊
%J -
%D 2017
%R doi:10.7507/1001-5515.201605045
%X 心律失常是一种极其常见的心电活动异常症状，基于心电图（ECG）的心拍分类对心律失常的临床诊断具有十分重要的意义。本文提出一种基于流形学习的特征提取方法——近邻保持嵌入（NPE）算法，实现心律失常心拍的自动分类。分类系统利用NPE算法获取高维心电节拍信号的低维流形结构特征，然后将特征向量输入支持向量机（SVM）分类器进行心拍的分类诊断。实验基于 MIT-BIH 心律失常数据库提供的 ECG 数据，对 14 种类型的心律失常心拍进行分类，总体分类准确率高达 98.51%。实验结果表明，所提方法是一种有效的心律失常心拍分类方法
%K 心律失常
%K 近邻保持嵌入
%K 心电图
%K 支持向量机
%U http://www.biomedeng.cn:80/article/10.7507/1001-5515.201605045