换一批粗糙集与径向基函数神经网络融合的除颤结果预测算法
Defibrillation Outcome Prediction Algorithm Integrating Rough Set and Radial Basis Function Neural Network
摘要多种室颤心电特征组合虽然可以提高除颤结果预测的准确率,但当算法部署在硬件条件有限的嵌入式设备上时,计算资源紧张;此外,室颤心电特征之间可能存在冗余,造成计算资源浪费.为此,提出一种粗糙集与径向基函数(RBF)神经网络融合的除颤结果预测算法.首先,从室颤心电波形数据集中提取室颤心电特征;然后,利用基于属性重要度的约简算法对室颤心电特征进行属性约简;最后,采用约简后的室颤心电特征数据集训练RBF神经网络,实现除颤结果预测.实验结果表明,该算法可有效降低模型占用空间,提高除颤结果预测的速度与准确率.
更多相关知识
关键词
粗糙集径向基函数神经网络除颤结果预测室颤心电特征属性约简rough setradial basis function neural networkdefibrillation outcome predictionventricular fibrillation electrocardiogram featuresattribute reduction
栏目名称
DOI
10.12475/aie.20250207
发布时间
2025-05-08（万方平台首次上网日期，不代表论文的发表时间）
- 浏览4
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
