-
题名基于CNN和ET的智能ECG识别方法
被引量：1
- 1
-
-
作者
张丹
何志涛
陈永毅
尹武涛
-
机构
浙江工业大学信息工程学院
无锡博智芯科技有限公司
-
出处
《浙江工业大学学报》
CAS
北大核心
2021年第6期602-607,共6页
-
基金
国家重点研发计划(2018YFE0206900)。
-
文摘
心电图(ECG)是检测心血管疾病的重要依据之一,通过对各类心电图的实时分析,可以达到检测被测者房颤及心脏健康情况的目的。采用基于卷积神经网络(CNN)和极端随机树(ET)混合模型的心电信号分类方法,通过连续小波变换对数据进行滤波处理,在此基础上通过CNN-ET混合模型,实现了心电信号的分类。方法结合了CNN对一维数据的强大表征能力,通过ET降低了异常值影响,预防了过拟合问题,具有较强的泛化能力。将所提出的方法在MIT-BIH数据集上进行了测试,在5类心电心拍次数不平衡问题检测中准确率达到99.95%,与现有方法相比,该改进方法进一步提高了ECG信号分类的精确度。
-
关键词
卷积神经网络
小波分解
极端随机树
ECG分类
-
Keywords
convolutional neural network(CNN)
wavelet decomposition
extreme random tree(et)
ECG classification
-
分类号
TP391.77
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进零序导纳的故障选线新方法
- 2
-
-
作者
魏云冰
王长江
张栋
-
机构
郑州轻工业学院电气信息工程学院
-
出处
《郑州轻工业学院学报（自然科学版）》
CAS
2013年第4期55-58,共4页
-
文摘
根据故障线路的零序导纳在高次谐波条件下明显区别于非故障线路的零序导纳这一特点,结合小波包的分频特性及小故障角接地时零序电流的特性,提出一种基于改进零序导纳的小电流接地选线新方法.该方法充分利用故障线路的暂态信息,并在选线算法构造中综合利用故障零序电流小波包重构系数的幅值与零序导纳极性的信息,以提高选线灵敏度.利用PSCAD进行仿真,结果表明,该方法不受补偿度、故障地点、过渡电阻和故障角度的影响,能够有效、可靠地选出故障线路.
-
关键词
故障选线
零序导纳
特征频带
故障测度值
小波包分解
-
Keywords
fault line selection
zero sequence admittance
feature band
fauh measure value
wavelet pack- et decomposition
-
分类号
TM711
[电气工程—电力系统及自动化]
-
