换一批摘要在心律失常分类问题的研究中,将神经网络、支持向量机用于移动设备平台的室性心律失常分类时,针对数据量大导致的训练时间长、分类时间长的问题,提出了激活函数改进的岭回归极限学习机(Extreme Learning Machine,ELM)算法,以岭回归极限学习机为基础,对激活函数进行多种改进尝试.以训练时间和分类准确率等为性能指标,对比不同激活函数,以及多种分类算法,证明改进后的岭回归极限学习机算法能够快速、准确地针对室性心律失常进行分类,速度与准确性优于其它几种算法.
更多相关知识
关键词
心电信号室性心律失常极限学习机岭回归激活函数改进ECGVentricular arrhythmiaELMRidge regressionImproved activation funcrion
分类号
TP301.6
栏目名称
DOI
10.3969/j.issn.1006-9348.2014.07.055
发布时间
2014-09-24（万方平台首次上网日期，不代表论文的发表时间）
- 浏览1
- 被引2
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
