《表5 不同特征组合的SH与NSH分类结果对比》
以固定R波个数对ECG信号进行分段之后,采用文献[17]的特征提取方式和分类器,获取10个小波系数的样本熵特征,分别采用SVM、kNN、RFA分类器学习分类,其Acc如表5所示,表中F表示特征个数。表5表明,当F大于3时,固定R波个数与固定时间窗口相比,前者在3种分类器下均表现为更高的分类准确率,尤其是在SVM中表现更明显。另外,当分段方式为固定R波个数时,在相同的特征组合下,SVM、kNN、RFA分类器的分类准确率相差不大,在F大于7时,它们的准确率均在95%以上。综上分析,固定R波个数能更好的实现SH/NSH的分类。
图表编号 | XD00118858500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.15 |
作者 | 罗美荣、杨丰、詹长安 |
绘制单位 | 南方医科大学生物医学工程学院、南方医科大学生物医学工程学院、南方医科大学生物医学工程学院 |
更多格式 | 高清、无水印(增值服务) |