UNE SÉLECTION DE CARACTÉRISTIQUES BASÉE SUR LE SIGNAL ECG POUR LA CLASSIFICATION DES DYSRYTHMIES
EN UTILISANT PSO, GWO ET SVM
Versandkostenfrei!
Versandfertig in 6-10 Tagen
26,99 €
inkl. MwSt.
PAYBACK Punkte
13 °P sammeln!
L'arythmie survient lorsque les impulsions électriques présentes dans le coeur ne fonctionnent pas correctement. La détection précoce d'un rythme cardiaque irrégulier est nécessaire pour assurer la survie d'une personne. La classification de l'arythmie est nécessaire pour le diagnostic. Ce rapport présente l'analyse en composantes principales comme processus de réduction des caractéristiques pour réduire les entrées de haute dimension sans influencer les méthodes de classification et deux techniques de sélection des caractéristiques telles que l'optimiseur Grey wolf (GWO), l'opt...
L'arythmie survient lorsque les impulsions électriques présentes dans le coeur ne fonctionnent pas correctement. La détection précoce d'un rythme cardiaque irrégulier est nécessaire pour assurer la survie d'une personne. La classification de l'arythmie est nécessaire pour le diagnostic. Ce rapport présente l'analyse en composantes principales comme processus de réduction des caractéristiques pour réduire les entrées de haute dimension sans influencer les méthodes de classification et deux techniques de sélection des caractéristiques telles que l'optimiseur Grey wolf (GWO), l'optimisation par essaims de particules (PSO) et la machine à vecteurs de support (SVM), utiles pour choisir les caractéristiques de l'arythmie et les résultats seront utilisés pour la classification de diverses arythmies. L'analyse des performances de ces techniques de sélection des caractéristiques est estimée. La malédiction de la dimensionnalité (c'est-à-dire un ensemble de données contenant un grand nombre de caractéristiques) est résolue en utilisant ces méthodes de sélection des caractéristiques. Le résultat explore les mesures de performance pour l'intégration de trois méthodes telles que PSO, GWO et SVO et montre que PSO et GWO intégrés avec SVM ont sélectionné les caractéristiques avec une précision de 96,08%.
Andere Kunden interessierten sich für
