

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、胎兒心電圖是通過安置在孕婦體表的電極,記錄胎兒心臟每一心動周期發(fā)生的電位變化及其在心臟的傳導過程。通過對其波形變化的分析,可以及早發(fā)現(xiàn)胎兒宮內缺氧,臍帶纏繞及先天性心臟病等疾病,降低圍產(chǎn)兒的發(fā)病率和死亡率。
本文詳細闡述了基于支持向量機的胎兒心電提取原理。指出腹部混合信號中的母體心電成分,實際上是母體心電經(jīng)過非線性變換傳導至腹部的信號,利用支持向量機來擬合這一非線性過程,得到母體心電成分的最優(yōu)估計,從腹部混合信號中減去該最
2、優(yōu)估計就得到胎兒心電信號。
選擇不同的核函數(shù)會產(chǎn)生不同的支持向量機模型。本文采用多項式核函數(shù),線性核函數(shù)以及徑向基核函數(shù)三種常用核函數(shù),在LSSVM和v-SVM兩種支持向量機情況下,對合成心電和實際心電進行了胎兒心電提取研究。
研究基于LSSVM的合成心電提取。利用模型合成了母體心電和胎兒心電,采用相關系數(shù)這一客觀指標,考察了三種核函數(shù)在不同信噪比條件下的提取表現(xiàn)。合成數(shù)據(jù)上的結果表明:徑向基核函數(shù)的提取效果
3、略優(yōu)于多項式核函數(shù),前二者的提取表現(xiàn)均優(yōu)于線性核函數(shù)的表現(xiàn)。
研究基于LSSVM的實際心電提取。從訓練點數(shù),J維時間導數(shù)以及懲罰系數(shù)幾方面對LSSVM模型進行了優(yōu)化。比較了三種核函數(shù)提取到的實際胎兒心電的可視化效果:徑向基核函數(shù)能有效抑制腹部混合信號中的母體心電成分,其提取效果最好;多項式核函數(shù)的提取效果總體上較為理想,但局部比徑向基核函數(shù)提取效果略差;線性核函數(shù)沒有能夠提取到清晰的胎兒心電信號。
研究基于v
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 胎兒心電提取方法的研究.pdf
- 基于智能優(yōu)化算法和支持向量機的心電逆問題研究.pdf
- 基于模糊神經(jīng)網(wǎng)絡的胎兒心電提取.pdf
- 基于盲分離提取胎兒心電的系統(tǒng)設計與實現(xiàn).pdf
- 基于支持向量機的模糊規(guī)則提取算法的研究.pdf
- 心電向量和心電
- 基于支持向量機的無線電異常信號識別研究.pdf
- 基于支持向量機的特征提取方法研究與應用.pdf
- 基于支持向量機的新聞視頻主題式字幕提取.pdf
- 基于邊界向量預選的支持向量機算法研究.pdf
- 基于特征空間局部線性提取的擬線性支持向量機研究.pdf
- 基于支持向量機的特征提取與目標跟蹤算法研究.pdf
- 基于DSP的胎兒心電分離系統(tǒng)設計.pdf
- 基于張量分解的胎兒心電信號提取研究.pdf
- 心電向量概念
- 基于支持向量機的股市預測研究.pdf
- 基于支持向量機的雜草識別研究.pdf
- 基于支持向量機的圖像融合研究.pdf
- 基于支持向量機的濾波方法研究.pdf
- 基于支持向量機的癌癥診斷研究.pdf
評論
0/150
提交評論