Les différents algorithmes de classification peuvent être utilisés pour classer les caractéristiques extraites du signal ECG. La performance de la classification dépend de la manière dont les vecteurs de caractéristiques peuvent être séparés dans l'espace des caractéristiques. L'architecture proposée présente une classification de l'arythmie basée sur l'ECG avec des caractéristiques plus robustes et un classificateur basé sur la régression. Elle propose une classification automatisée efficace des arythmies cardiaques à l'aide de la base de données MIT-BIH sur les arythmies et d'un ensemble de données cliniques locales. La méthode proposée a entraîné le classificateur de régression à vecteur de support incrémental avec 320 échantillons de différentes arythmies. La méthode proposée a été testée et comparée aux classificateurs les plus courants tels que le réseau neuronal artificiel, la machine à vecteur de support et le classificateur à distance minimale. La matrice de confusion montre clairement que l'algorithme proposé fonctionne bien pour les problèmes de reconnaissance de classes multiples. L'architecture proposée utilise les caractéristiques du domaine temporel et du domaine fréquentiel à des fins de classification. Grâce à l'utilisation de statistiques d'ordre supérieur, notre problème de classification devient plus simple que les caractéristiques morphologiques traditionnelles. L'algorithme proposé est très performant, même avec des données d'apprentissage réduites.