【摘 要】
：
J波检测在临床上可以作为判定某些心脏病的一种非创性的标记手段。主要定义了5个精确反映J波特性的特征向量,包括3个时域特征向量和两个基于小波的特征向量,并使用主成分分析
论文部分内容阅读
J波检测在临床上可以作为判定某些心脏病的一种非创性的标记手段。主要定义了5个精确反映J波特性的特征向量,包括3个时域特征向量和两个基于小波的特征向量,并使用主成分分析减少特征向量的维数,作为分类器的输入。利用这些特征向量训练隐马尔可夫模型作为分类器,输出最终的判定结果。结果表明,提出的方法提供了93.8%的平均准确度、94.2%的平均敏感性、93.3%的平均特异性和93.4%的平均阳性预测值,揭示了很高的评价标准,表明该方法有能力准确地检测识别J波,并且可以利用该方法检测心电图中的其他病变波形。
其他文献
为了解决业务流程设计、形式化分析、验证的平台不统一以及可移植性差等问题,提出了一种在统一建模平台上处理BPMN模型输出的业务流程形式化验证方案。首先构建基于Java语言
采用CHRT 0.35 μm CMOS工艺,设计实现了一种用于加速度计中的单环五阶sigma-delta（∑△）调制器.在MATLAB/Simulink下对调制器进行建模,优化参数实现一个稳定的高阶系统,利用根
40 T混合磁体外超导磁体需要高稳定度电源,其输出电流纹波要求控制在±5 ppm以内（额定电流为16 kA）。电源控制系统是基于数字调节环,所以电源稳定度主要受限于磁体电流的测
针对现有信号检测方法在评估电子元器件的固有参数时效率低下、精度不高的问题,结合泛函链接模糊神经网络(FLFNN)和高斯改进和声搜索算法,设计了无源电子器件信号检测模型。首先,利用泛函链接神经网络概念,将其作为模糊神经网络输出层的模糊规则,设计了FLFNN网络模型;其次,采用高斯方式设计了改进的和声搜索算法,并给出理论分析,然后对FLFNN网络模型参数进行编码,实现了对其参数的优化;最后,通过实验仿
与传统的隐Markov模型（HMM）相比较而言，应用分层隐Markov模型（HHMM）对设备进行状态识别有诸多优点，而且能以概率的形式更为精确地计算识别结果。针对模型参数随着设备状态的增加呈
你是否经常对于实际电路与仿真电路的效果差别很大而感到无奈？您是否觉得仿真往往占用了自己很多的时间，而让您无法静心思考？……