Feature selection for ECG signal processing using improved genetic algorithm and empirical mode decomposition

希尔伯特-黄变换 特征选择 模式识别(心理学) 特征(语言学) 人工智能 计算机科学 支持向量机 遗传算法 维数之咒 特征向量 信号(编程语言) 信号处理 数据挖掘 机器学习 数字信号处理 计算机视觉 程序设计语言 滤波器(信号处理) 哲学 语言学 计算机硬件
作者
Lihua Lu,Jihong Yan,Clarence W. de Silva
出处
期刊:Measurement [Elsevier]
卷期号:94: 372-381 被引量:32
标识
DOI:10.1016/j.measurement.2016.07.043
摘要

This paper proposes a novel scheme of feature selection, which employs a modified genetic algorithm that uses a variable-range searching strategy and empirical mode decomposition (EMD). Combined with support vector machines (SVMs), a new pattern recognition method for electrocardiograph (ECG) is developed. First, the ECG signal is decomposed into intrinsic mode functions (IMFs) that represent signal characteristics with sample oscillatory modes. Then, the modified genetic algorithm with variable-range encoding and dynamic searching strategy is used to optimize statistical feature subsets. Next, a statistical model based on receiver operating characteristic (ROC) analysis is developed to select the dominant features. Finally, the SVM-based pattern recognition model is used to classify different ECG patterns. Comparative studies with peer-reviewed results and two other well-known feature selection methods demonstrate that the proposed method can select dominant features in processing ECG signal, and achieve better classification performance with lower feature dimensionality.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
QYPANG完成签到,获得积分10
刚刚
子时月完成签到,获得积分10
1秒前
脑洞疼应助xlx采纳,获得10
1秒前
jym完成签到,获得积分10
1秒前
1秒前
田様应助笑点低蜜蜂采纳,获得10
1秒前
今后应助乐观的一一采纳,获得10
2秒前
开朗向真完成签到,获得积分10
2秒前
2秒前
奋斗映寒发布了新的文献求助10
2秒前
梓榆发布了新的文献求助10
2秒前
帅气的沧海完成签到 ,获得积分10
2秒前
3秒前
FashionBoy应助包容的幻梅采纳,获得10
3秒前
3秒前
qaq完成签到,获得积分10
3秒前
3秒前
voyager完成签到,获得积分10
3秒前
勇敢肥猫发布了新的文献求助10
4秒前
YA发布了新的文献求助10
4秒前
5秒前
5秒前
5秒前
orixero应助玉yu采纳,获得10
5秒前
6秒前
sansan发布了新的文献求助10
6秒前
劉劉完成签到 ,获得积分10
7秒前
酷波er应助阳光的衫采纳,获得10
7秒前
火星上的菲鹰应助hkh采纳,获得10
7秒前
SciGPT应助Ll采纳,获得10
8秒前
buno应助懦弱的安珊采纳,获得10
8秒前
MADKAI发布了新的文献求助10
9秒前
happy完成签到,获得积分10
9秒前
丰知然完成签到,获得积分0
9秒前
马佳凯完成签到,获得积分20
10秒前
徐翩跹发布了新的文献求助10
10秒前
lan发布了新的文献求助10
10秒前
科研民工发布了新的文献求助10
10秒前
小二郎应助夏昼采纳,获得10
11秒前
香蕉觅云应助LIU采纳,获得10
11秒前
高分求助中
Continuum Thermodynamics and Material Modelling 3000
Production Logging: Theoretical and Interpretive Elements 2700
Social media impact on athlete mental health: #RealityCheck 1020
Ensartinib (Ensacove) for Non-Small Cell Lung Cancer 1000
Unseen Mendieta: The Unpublished Works of Ana Mendieta 1000
Bacterial collagenases and their clinical applications 800
El viaje de una vida: Memorias de María Lecea 800
热门求助领域 (近24小时)
化学 材料科学 生物 医学 工程类 有机化学 生物化学 物理 纳米技术 计算机科学 内科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 量子力学 光电子学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3527521
求助须知:如何正确求助?哪些是违规求助? 3107606
关于积分的说明 9286171
捐赠科研通 2805329
什么是DOI,文献DOI怎么找? 1539901
邀请新用户注册赠送积分活动 716827
科研通“疑难数据库(出版商)”最低求助积分说明 709740