Andere Kunden interessierten sich auch für
![Analisi dei servizi educativi per gli allievi delle scuole elementari speciali]( "Analisi dei servizi educativi per gli allievi delle scuole elementari speciali")
Analisi dei servizi educativi per gli allievi delle scuole elementari speciali39,99 €![Analisi delle introduzioni e degli abstract degli articoli di ricerca]( "Analisi delle introduzioni e degli abstract degli articoli di ricerca")
Analisi delle introduzioni e degli abstract degli articoli di ricerca32,99 €![Analisi termica dei complessi metallici in chimica]( "Analisi termica dei complessi metallici in chimica")
Analisi termica dei complessi metallici in chimica36,99 €![ANALISI DEI DATI-1]( "ANALISI DEI DATI-1")
ANALISI DEI DATI-120,99 €![Analisi dei fattori che influenzano l'accettazione dell'apprendimento della fusione]( "Analisi dei fattori che influenzano l'accettazione dell'apprendimento della fusione")
Analisi dei fattori che influenzano l'accettazione dell'apprendimento della fusione20,99 €![Analisi dei criteri di valutazione della pratica professionale]( "Analisi dei criteri di valutazione della pratica professionale")
Analisi dei criteri di valutazione della pratica professionale26,99 €![Analisi dei criteri degli insegnanti di educazione]( "Analisi dei criteri degli insegnanti di educazione")
Analisi dei criteri degli insegnanti di educazione39,99 €
I vari algoritmi di classificazione possono essere utilizzati per classificare le caratteristiche estratte dal segnale ECG. Le prestazioni elevate della classificazione dipendono dalla capacità di separare i vettori di caratteristiche nello spazio delle caratteristiche. L'architettura proposta presenta una classificazione delle aritmie basata sull'ECG con caratteristiche più robuste e un classificatore basato sulla regressione. Propone un'efficace classificazione automatizzata delle aritmie cardiache utilizzando il database delle aritmie MIT-BIH e il set di dati clinici locali. Il metodo proposto ha addestrato il classificatore incrementale di regressione vettoriale con 320 campioni di aritmie diverse. Il metodo proposto è stato testato e confrontato con i classificatori più comuni, come la rete neurale artificiale, la Support Vector Machine e il classificatore a distanza minima. Dalla matrice di confusione si evince che l'algoritmo proposto funziona bene per il riconoscimento di più classi. L'architettura proposta utilizza sia le caratteristiche del dominio del tempo che quelle del dominio della frequenza per la classificazione. Grazie all'uso di statistiche di ordine superiore, il problema della classificazione diventa più semplice rispetto alle tradizionali caratteristiche morfologiche. L'algoritmo proposto fornisce prestazioni elevate anche con dati di apprendimento più piccoli.