{ "item_title" : "А", "item_author" : [" Санамk", "Асуткk", "Санамk "], "item_description" : "Для классификации извлеченных из ЭКГ-сигнала признаков можно использовать различные алгоритмы классификации. Высокая эффективность классификации зависит от того, насколько хорошо векторы признаков могут быть разделены в пространстве признаков. Предлагаемая архитектура представляет классификацию аритмии на основе ЭКГ с использованием более надежных признаков и классификатора на основе регрессии. Предлагается эффективная автоматизированная классификация сердечных аритмий с использованием базы данных аритмий MIT-BIH и местного клинического набора данных. Предложенный метод обучил инкрементный классификатор регрессии вектора поддержки на 320 образцах различных аритмий. Предложенный метод был протестирован и сравнен с наиболее распространенными классификаторами, такими как искусственная нейронная сеть, машина опорных векторов и классификатор минимального расстояния. Из матрицы путаницы видно, что предложенный нами алгоритм хорошо работает для распознавания нескольких классов. Предлагаемая архитектура использует для классификации признаки временной и частотной областей. Благодаря использованию статистики более высокого порядка наша задача классификации становится проще, чем при использовании традиционных морфологических признаков. Предложенный алгоритм обеспечивает высокую производительность даже при небольшом объеме обучающих данных.", "item_img_path" : "https://covers3.booksamillion.com/covers/bam/6/20/597/243/6205972433_b.jpg", "price_data" : { "retail_price" : "27.00", "online_price" : "27.00", "our_price" : "27.00", "club_price" : "27.00", "savings_pct" : "0", "savings_amt" : "0.00", "club_savings_pct" : "0", "club_savings_amt" : "0.00", "discount_pct" : "10", "store_price" : "" } }

Overview

Customers Also Bought

Details