位置：成果数据库 > 期刊 > 期刊详情页
基于ELM的室性早搏检测算法
  • ISSN号：1000-1239
  • 期刊名称：计算机研究与发展
  • 时间：2013.8.15
  • 页码：196-204
  • 分类：TP391.41[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构：[1]东北大学中荷生物医学与信息工程学院, [2]医学影像计算教育部重点实验室(东北大学), [3]东北大学信息科学与工程学院
  • 相关基金：国家自然科学基金项目(61100022);辽宁省科技计划基金项目(20120323)
  • 相关项目：面向传感器网络的不确定数据查询处理与优化
作者： 王之琼|刘红艳|肖静|于戈|康雁|
关键词： 极限学习机, 室性早搏, 计算机辅助检测, 心电图, 支持向量机
中文摘要：

计算机辅助室性早搏检测对室早的早诊断、早治疗十分关键,而基于SVM的室早检测方法存在训练速度慢、分类效果不稳定等问题.提出了一种基于极限学习机的计算机辅助室早检测算法,该算法首先对心电图像进行预处理,去除噪声后进行QRS波检测,然后建立室早特征模型并提取特征,最后基于极限学习机(extreme learning machine,ELM)进行室早检测.利用MIT_BIH的Arrhythmia心电数据库的心电信号对该算法进行了测试,结果表明与SVM相比ELM在分类速度及分类准确度上都有明显的优势.

同期刊论文项目
面向传感器网络的不确定数据查询处理与优化
期刊论文 29 会议论文 5
同项目期刊论文
Parameters optimization for prism based single-lens stereovision system
基于连接操作的反轮廓查询处理算法
Breast tumor detection algorithm based on feature selection ELM
Breast tumor detection in double views mammography based on extreme learning machine
Energy-Efficient beta-Approximate Skylines Processing in Wireless Sensor Networks
基于区域子图的实体相关性度量
Energy-Efficient Reverse Skyline Query Processing over Wireless Sensor Networks
ELM*: distributed extreme learning machine with MapReduce
基于特征选择ELM的乳腺肿块检测算法
基于极限学习机的跌倒检测分类识别研究
An efficient query processing optimization based on ELM in the cloud
Energy-efficient skycube query processing in wireless sensor networks
ELM * : distributed extreme learning machine with MapReduce
Elastic Extreme Learning Machine for Big Data Classification
传感器网络中基于过滤的概率Skyline查询算法
棱镜单目立体视觉系统的参数最优化
Breast tumor detection in digital mammography based on extreme learning machine
不确定数据流上的概率反轮廓查询处理
基于阶梯电价策略的数据中心成本优化
数据流上动态轮廓查询处理技术的研究
面向不确定感知数据的频繁项查询算法
双侧特征融合的乳腺肿块检测
期刊信息
  • 《计算机研究与发展》
  • 中国科技核心期刊
  • 主管单位:中国科学院
  • 主办单位:中国科学院计算技术研究所
  • 主编：徐志伟
  • 地址：北京市科学院南路6号中科院计算所
  • 邮编：100190
  • 邮箱：crad@ict.ac.cn
  • 电话：010-62620696 62600350
  • 国际标准刊号：ISSN：1000-1239
  • 国内统一刊号：ISSN：11-1777/TP
  • 邮发代号:2-654
  • 获奖情况:
  • 2001-2007百种中国杰出学术期刊，2008中国精品科...,中国期刊方阵“双效”期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,荷兰文摘与引文数据库,美国工程索引,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊（2004版）,中国北大核心期刊（2008版）,中国北大核心期刊（2011版）,中国北大核心期刊（2014版）,中国北大核心期刊（2000版）
  • 被引量:40349