分类器组合在心电图分类中的应用.docVIP

分类器组合在心电图分类中的应用 　　摘 要:心电图是诊断心血管疾病的重要依据。提出将两个分类器(贝叶斯分类器和支持向量机分类器)进行组合,对五种心电图疾病建立分类模型,并利用麻省理工学院(MIT-BIH)的心电图数据库中的数据进行训练和测试,实验结果表明,经过组合过的分类器的分类正确率比单个贝叶斯分类器和单个支持向量机分类器的正确率要高。 　　 　　关键词:心电图;贝叶斯分类;支持向量机;组合分类器;特征 　　 　　中图分类号: TP391.4 　　文献标志码:A 　　 　　Electrocardiogram classification using combined classifiers 　　 　　TONG Jia-fei, DONG Jun 　　( 　　School of Software Engineering, East China Normal University, Shanghai 200062, China 　　 　　) 　　Abstract: 　　 　　Electrocardiogram is an important approach to diagnose cardiovascular disease. The paper puts forward a new classifier which combines two classifiers-Bayes classifier and SVM classifier and diagnoses five types of cardiovascular diseases making use of this new approach. The experiments show that the accuracy of the combined classifier is higher than that of Bayes and SVM classifier respectively when we use training and testing data in MIT-BIH arrythmia database. 　　 　　Electrocardiogram is an important approach to diagnose cardiovascular disease. The paper put forward a new classifier which combined two classifiers, Bayes classifier and Support Vector Machine (SVM) classifier, and diagnosed five types of cardiovascular diseases making use of this new approach. The experiments show that the accuracy of the combined classifier is higher than that of Bayes classifier and SVM classifier respectively when training and testing the data in MIT-BIH arrythmia database. 　　 　　Key words: 　　Electrocardiogram (ECG); Bayes classification; Support Vector Machine (SVM); combined classifier; feature 　　 　　0 引言 　　 　　随着现代社会的不断进步和发展,人们越来越认识到健康的重要性。心脏病是危害人们健康的高发病,属于突发性疾病而且具有致命性。心电图(Electrocardiogram, ECG)主要反映心脏跳动的电学活动,到目前为止尚没有任何其他方法能替代心电图在这方面的作用[1]。目前研究计算机辅助心电图异常分类技术成为自动诊断心脏疾病的关键和难点,也是近几年国内外在此领域研究的热点。本文的目的是希望将分类方法用于实际的无线便携式心电图设备中去,方便心脏病患者能够自己在家进行初步的诊断。 　　在统计模式识别中用到的分类方法大致包括:线性分类[2-3]、贝叶斯分类[4]、K邻近规则[5]和支持向量机???? [6] (Support Vector Machine, SVM)等,其中主要的方法有贝叶斯分类和支持向量机。 　　在模式识别领域多年来的实践表明:对一个复杂的识别分类问题,单一的方法难以获得令人满意的识别效果,同时不同的分类方法之间往往