换一批摘要该文针对在线独立成分分析算法学习速率以及收敛性难以把握的问题,提出了一种利用变窗体移动窗附加在实时信号上的快速独立成分分析(Fast independent component analysis,FICA)改进算法,不但满足在线处理要求,而且不用考虑学习速率的问题,节省存储空间并提高运算效率.利用自组织映射(Self-organizing maps,SOM)神经网络算法在动态分类上的优势,采用变移动窗快速独立成分分析与自组织映射相结合的方法对心动异常数据进行了分类.实验表明,该方法能有效地提高速率和实现实时故障分类.
更多相关知识
关键词
快速独立成分分析自组织映射心动异常故障分类fast independent component analysisself-organizing mapsabnormal echocardiographyfault classification
分类号
R318.6（医用一般科学）
DOI
10.3969/j.issn.1005-9830.2013.04.012
发布时间
2013-10-18（万方平台首次上网日期，不代表论文的发表时间）
基金项目
辽宁省科学技术计划项目（(2010222005)）
- 浏览6
- 被引4
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
