简介:摘要目的研究一种用于inter-patient范式下对心律失常心电(ECG)信号进行分类的分类器,提高自动分类的准确度,解决心律失常人工诊断的局限性。方法构建包括预处理、特征提取、支持向量机(SVM)训练和集成分类4个模块的SVM+XGBoost集成分类器。具体步骤为:对ECG信号进行预处理,将R-R间期、高阶统计量、局部二值模式、小波分量作为特征,分别训练独立SVM分类器;使用XGBoost算法对各独立SVM分类器进行集成,输出心律失常分类结果;在MIT-BIH数据库上对集成分类器进行训练和测试。结果集成分类器对心律失常的总体分类准确度为0.867、平均灵敏度为0.782。结论所提出的集成分类器能实现inter-patient范式下心律失常ECG信号的自动、准确分类,可用于临床辅助诊断。
简介:Ahandgesturerecognitionmethodispresentedforhuman-computerinteraction,whichisbasedonfingertiplocalization.First,handgestureissegmentedfromthebackgroundbasedonskincolorcharacteristics.Second,featurevectorsareselectedwithequalintervalsontheboundaryofthegesture,andthengestures'lengthnormalizationisaccomplished.Third,thefingertippositionsaredeterminedbythefeaturevectors'parameters,andanglesoffeaturevectorsarenormalized.Finallythegesturesareclassifiedbysupportvectormachine.Theexperimentalresultsdemonstratethattheproposedmethodcanrecognize9gestureswithanaccuracyof94.1%.
简介:Microarray数据基于肿瘤诊断是在生物信息学的一个很有趣的话题。关键问题之一是一个肿瘤的增进知识的基因的发现和分析。尽管解决这个问题有许多精致的途径,仅仅与microarray数据为肿瘤诊断选择增进知识的基因的一个合理集合仍然是困难的。在这份报纸,我们分类经由敏感对手惩罚了竞争学习的距离(DSRPCL)通过microarray数据表示进很多簇的基因算法然后在支持向量机器(SVM)的帮助下检测增进知识的基因簇或集合。而且,批评或强大的增进知识的基因能在获得的增进知识的基因簇上通过进一步的分类和察觉被发现。它是我们的建议DSRPCL-SVM途径为肿瘤诊断导致增进知识的基因的一种合理选择的冒号,白血病,和乳癌数据集的实验表明的井。