基于级联分类器的心律失常检测

常见的心律失常如室性早博(PVC)和左束支传导阻滞(LBBB)在心血管疾病诊断和预后中具有重要的临床价值。本文提出一种用于PVC和LBBB自动检测的级联分类器,通过提取时域和形态特征,采用支持向量机区分PVC和非PVC,再采用加权最小距离分类器(W-MDC)将非PVC分为正常(N)和LBBB。用MIT-BIH心律失常数据库进行算法验证,对N、LBBB和PVC三分类的总体正确率为96.28%,N、LBBB、PVC各类的灵敏度和特异性分别为98.59%、97.15%,81.41%、91.89%和89.22%、84.87%,验证该算法的泛化能力及对不同病人的心拍分类有效性。此外,本文还证明多导联信息综合对LBBB分类性能的提高。

消除光照和姿态变化影响的人脸识别

光照和姿态变化带来的影响是自动人脸识别的两个主要瓶颈问题。提出了消除这两方面影响的处理方法:首先对训练集里的图像应用灰度归一化处理,降低对光照强度的敏感度;然后进行姿态估计,并用特征脸方法计算不同姿态的特征子空间,最后提出了"姿态权重PWV(Pose’s Weight Value)"这一概念,据此设计了加权的最小距离分类器WMDC(Weighted Minimum Dis-tance Classifier),分配不同姿态权重消除姿态变化影响。在FERET和Yale B数据库上的实验结果表明,此方法能在很大程度上提高人脸光照和姿态改变时的识别率。