基于Mexican-hat小波的QRS检测新方法

基于心电信号的特征点对应于Mexican-hat小波变换的极值,我们使用Mexican-hat小波检测心电信号的特征点,为心电信号分析提供了新的检测手段。该方法简单,对心电信号特征点定位准确,快速。经MIT-BIH心电数据库检验,QRS波的检测率达到99.9%。

两个论域上的粗糙集模型及其应用

主要从标准粗糙集出发介绍了将单个非空有限论域上的粗糙集推广到两个非空有限论域上形成的两个论域上的粗糙集,对其性质进行了讨论,以及该模型在疾病诊断上的应用.

基于小波变换的心电信号检测新方法

首先利用正交小波包对心电信号进行去噪,然后采用Mallat算法获得信号在不同尺度上的小波分解细节信号,再对23尺度上的细节信号进行处理,使得与R波对应的模极值大幅度增加,提高了QRS波的检测率.经MIT BIH心电数据库检验,QRS波检测率达到99.86%.

基于改进射线拟合法的多导联心电图神经网络分类系统

我们基于心电图特征提取与神经网络分类,提出了一种模拟现实的心电图分类方法,首先应用改进的心电图射线拟合理论,得到心电图多导联的特征;并根据心电图疾病分析的原理与实际诊断的特点,得到一个能对多导联心电图数据疾病类型进行分类的神经网络,为心电图自动分析提出了一个新的思路。经M IT-B IH心电数据库部分波形试验证明,该方法具有较高准确率,对学习过的波形分类正确率为100%,未学习过的78.2%。

基于小波特征提取的多导联心电图神经网络分类

目的研究得到高效、快速、高准确率的心电图的分类方法。方法运用Mexicanhat小波检测多导联心电信号的特征点,然后运用径向基函数网络对特征进行分类。结果经过MITBIH心电数据库波形试验,并与别的实验比较证明,该方法具有较高准确率,对学习过的波形分类正确率达到100.0%,未学习过的86.6%。结论结合心电图的特点得到高准确率的分类方法。

基于模糊随机集的λ-截集的粗糙近似算子

在模糊随机近似空间里,以模糊集的λ截集为桥梁,定义了一种新的粗糙近似算子,从随机变量和λ截集两个角度出发对近似算子进行了深入的研究,同时根据描述系统的不同指标的论域和量纲差异(可结合模糊随机变量的期望)对模型进行了再一次的扩展.