换一批一种基于深度集成学习的心音分类渐进式优化方法
A progressive optimization method for heart sound classification based on deep ensemble learning
摘要心血管疾病高发,心音分析作为对期无损检测的手段,对早期诊断至关重要.传统方法依赖人工听诊,受主观影响较大,亟需高精度自动分类技术.本文提出一种基于深度集成学习的心音分类渐进式优化方法,包括优化降噪、心音分割、特征提取和心音分类四个阶段.首先,采用Coif5方法实现心音信号降噪,提升信噪比;其次,结合自适应阈值与贪心优化,实现心音有效分割,降低漏检率;再次,融合多种特征提取方法,提取时频域、二阶谱和梅尔频谱等多类特征,提升分类信息丰富度,以挖掘隐藏性高的生理信息,完整表达音频信号样本的个体差异性;最后,异质集成多种经典机器学习算法与多类型深度神经网络,构建了一种心音分类渐进式优化方法.实验结果表明,该方法提高了心音分类精度与鲁棒性,可为心血管疾病智能诊断提供有效支持,具有较好的应用前景.
更多相关知识
关键词
心音分类渐进式优化深度学习异质集成特征融合classification of heart soundsprogressive optimizationdeep learningheterogeneous integrationfeature fusion
栏目名称
DOI
10.3969/j.issn.1006-0464.2025.05.010
发布时间
2025-11-06（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（62262039）
国家自然科学基金（62262023）
数据安全技术江西省重点实验室（20242BCC32026）
江西省重点研发计划重点项目（20243BBG71035）
江西省高等学校大学生创新创业训练计划项目（202411319014）
- 浏览2
- 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
