基于小波和神经网络的动态心电波形分类新方法

利用小波分析提取动态心电波形(DECG)的概貌信息。然后用所得概貌信息作为神经网络的输入,对DECG进行分类。这样一方面可以使神经网络的输入点大大减少,提高了神经网络的分类速度;另一方面也可以看作是对DECG数据的压缩,使数据量大为减少,而其基本的形态特征基本上没有损失,同时还在一定程度上降低了噪声的影响。用MIT数据库中的数据作实验表明所提出的方法简单、易行,分类速度和分类精度都比原有方法提高。