心电时间序列的表示和相似性度量方法的分析.pdfVIP

摘要 摘 要 世界卫生组织披露全球三成死亡归咎于心血管疾病，能够高效快速的诊断 心血管疾病有着极为重要的现实意义。心电图（Electrocardiogram , ECG ）是 心脏生理活动信号的一种图形化展示，能够辅助医生诊断心脏疾病。传统的心 电自动识别系统是通过提取波形的特征，再利用成熟的机器学习算法分类。这 种方法有两大问题：一是要求开发人员有较强的医学知识素养；二是需要大量 数据去训练获得模型，模型还需要定期维护。本课题期望在没有医学知识背景 的情况下，利用相似性度量方法在数据库中查找最相似的 k 条序列，再利用 KNN 分类器判定查询序列类别。然而，由ECG 序列的复杂性与高维性，致使 现有的方法不能快速有效的度量其相似性。 本课题围绕 ECG 序列的表示与相似性度量这两个方面展开研究，分别提 出了重要点的趋势偏转距离的分段线性表示方法 （IPDT_PLR ）与基于 DTW 的分段模式距离相似性度量算法 （SegMode_DTW ）。 IPDT_PLR 方法是基于 ITTP_PLR 方法的，它继承了 ITTP_PLR 方法能保 留重要趋势转折点的优点，同时对 ITTP_PLR 方法存在的问题有针对的改进。 IPDT_PLR 方法通过加入拐点信息克服了 ITTP_PLR 方法对于单调趋势序列拟 合效果差的缺点。通过自顶向下的挑选重要点的方式能更好的挑选出序列中的 重要点。通过修改分段的标准能进一步降低拟合误差。 在相似性度量的研究中，本课题提出的 SegMode_DTW 算法从三个方面 对原有的 DTW 算法进行改进。第一是主要子模式匹配，通过主要子模式匹 配，减少检索范围，从而加快相似性度量；第二是在 DTW 框架下引入了线段 模式距离的概念，有效克服了 DTW 方法没考虑样本点的趋势的缺点；第三是 基于 DTW 方法提出了分段模式距离（SegMode_DTW ）算法，它保证了两个 强特征点的对齐，使每一分段的趋势也更加明确，有效减少了 DTW 的错误匹 配。同时也加快了度量速度。实验表明 SegMode_DTW 算法能广泛地、高效 地、准确地适用于ECG 时间序列数据集的相似性查询。 关键词：心电时间序列；表示方法；相似性度量；模式距离 - I - 万方数据 Abstract Abstract The World Health Organization has revealed that 30 percent of the death is due to cardiovascular disease. It has a very important significance for the diagnosis of cardiovascular disease. Electrocardiogram is a graphical display of cardiac physiol ogical activity signals . Traditional ECG automatic recognition system is based on the characteristics of the extracted waveform, and the