本文關(guān)鍵詞：支持向量機（SVM）及其在心電圖（ECG）分類識別中的應用，由筆耕文化傳播整理發(fā)布。

攻讀碩士學位期間的科研成果；［１］．ＴａｎｇＸｉａｏ，ＭｏＺｈｉｗｅｎ．ＡＭ；ｏｆＣｏｍｐｕｔｉｎｇＢａｓｅｄＯＨｇｑｕｉｖａ；ａｎｄｍａｔｈｅｍａｔｉｃｓ，（２００７）４，２；［２］．唐孝，唐麗，莫智文．基于支持向量機算法的；程學雜志（已錄用）；［３］．Ｍｏｚｈｉｗｅｎ，ＴａｎｇＬｉ，Ｔａｎｇ；ＦｉｔｔｉｎｇＬＡＤＴ，Ｉｎｔｅｒｎａｔｉｏｎａ；［４］．王燕

攻讀碩士學位期間的科研成果

［１］．ＴａｎｇＸｉａｏ，ＭｏＺｈｉｗｅｎ．ＡＭｏｄｅｌｏｆＧｒａｎｕｌａｒ

ｏｆＣｏｍｐｕｔｉｎｇＢａｓｅｄＯＨｇｑｕｉｖａｌｅｎｔＯｐｅｒａｔｏｒｏｆＰａｎｓｙｓｔｅｍｓＲｏｕｇｈＳｅｔｓ．Ｆｕｚｚｙｓｙｓｔｅｍｓ

ａｎｄｍａｔｈｅｍａｔｉｃｓ，（２００７）４，２．

［２］．唐孝，唐麗，莫智文．基于支持向量機算法的ＥＣＧ分類策略．生物醫(yī)學工

程學雜志（已錄用）

［３］．Ｍｏｚｈｉｗｅｎ，ＴａｎｇＬｉ，Ｔａｎｇｘｉａｏ，ＬａｎＳｈｕ，ＴｈｅＡｌｇｏｒｉｔｈｍｏｆｔｈｅＱｕｉｃｋ

ＦｉｔｔｉｎｇＬＡＤＴ，ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒａｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＮｅｔｗｏｒｋＳｅｃｕｒｉｔｙ，（２００６）６，６，５２—５６．

［４］．王燕，唐孝，唐麗．基于絕對分析的多值信息系統(tǒng)粗集模型及其約簡。四川

師范大學學報．（已錄用）

［５］．唐麗，唐孝，莫智文．Ｖａｇｕｅ集相似度量及其在心電圖自動識別中的應用．

生物醫(yī)學工程學雜志（已錄用）

［６］。唐孝，莫智文．汽車防抱變論域自適應模糊控制器設計．控制理論．（修改

中）

［７：．唐孝，莫智文．基于支持向量機１－ｖｓ－ｒｅｓｔ算法的心電圖分類方法．中國

生物醫(yī)學工程學報（修改中）

［８：．莫智文，唐孝．ＥＣＧ自動分類診斷的研究．（已完稿）［９：．莫智文，唐孝．ＥＣＧ自動診斷系統(tǒng)的開發(fā)．（已完稿）

支持向量機（SVM）及其在心電圖（ECG）分類識別中的應用

作者：

學位授予單位：唐孝四川師范大學

相似文獻(10條)

1.期刊論文 劉志剛.李德仁.秦前清.史文中 支持向量機在多類分類問題中的推廣 -計算機工程與應用2004,40(7) 支持向量機(SVMs)最初是用以解決兩類分類問題,不能直接用于多類分類,如何有效地將其推廣到多類分類問題是一個正在研究的問題.該文總結(jié)了現(xiàn)有主要的支持向量機多類分類算法,系統(tǒng)地比較了各算法的訓練速度、分類速度和推廣能力,并分析它們的不足和有待解決的問題.

2.學位論文 張曉平 基于支持向量機的多類分類算法研究及在滾動軸承故障識別中的應用 2007

上世紀九十年代，在統(tǒng)計學習理論的基礎上發(fā)展出了一種新的機器學習算法——支持向量機。由于其具有良好的理論基礎和推廣能力，并解決了機器學習領域存在的一些問題，因而受到了人們普遍的重視。然而，支持向量機本身是針對兩類分類問題的算法，而實際生活中廣泛存在著的是多類別的分類問題，因此，研究如何利用支持向量機實現(xiàn)多類分類，具有十分重要的意義，也成為當前研究的一個熱點問題。國內(nèi)外學者在此領域作了大量的研究工作，提出了多種基于支持向量機的多類分類算法，達到了利用支持向量機實現(xiàn)多類分類的目的，這些算法有著各自的優(yōu)點，但還存在一定的缺陷，還有很多問題需要得到進一步的解決。總體上看，基于支持向量機的多類分類算法的研究還處于一個不斷探索的階段，有著廣闊的發(fā)展空間。

本文全部研究工作的著眼點主要集中于以下幾個問題：現(xiàn)有的幾種支持向量機多類分類器在算法結(jié)構(gòu)和分類機理上彼此有什么共同點，能否將它們歸結(jié)為幾種類型；如何確定多類分類器的算法結(jié)構(gòu)以提高分類器的推廣能力；核函數(shù)的變化對多類樣本經(jīng)過映射后所有兩類間的可分性對比關(guān)系究竟有什么影響；能否直接在高維特征空間中對多類樣本所有兩類的可分性對比關(guān)系進行估計；能否提出新的支持向量機多類分類算法，并且使其具有較好的推廣能力。針對以上問題，本文主要做了以下幾個方面的研究工作，第一，從算法結(jié)構(gòu)和分類機理的角度對“一對一”、“一對多”、基于二叉樹結(jié)構(gòu)的支持向量機多類分類算法及DAGSVM進行了分析，并將其分別歸結(jié)到兩種利用支持向量機實現(xiàn)多類分類的算法設計思路之中，為從算法結(jié)構(gòu)和分類機理的角度研究支持向量機多類分類算法提供了一種參考；第二，進行了滾動軸承的故障實驗，分別采集了滾動軸承在五種工作狀態(tài)下的振動信號，并通過小波包變換進行特征提取，得到了對應于滾動軸承五種工作狀態(tài)的五類樣本；第三，對類間可分性的幾個相關(guān)問題進行了研究，并通過將核函數(shù)引入到類間可分性度量算法當中，實現(xiàn)了對高維特征空間中所有兩類樣本可分性的度量與對比；第四，對不同的核函數(shù)及同一種核函數(shù)的不同參數(shù)對多類樣本在高維特征空間中所有兩類間的可分性及其對比關(guān)系的影響進行了研究和總結(jié)；第五，提出了基于類間可分性度量的二叉樹結(jié)構(gòu)生成算法，并利用得到的二叉樹結(jié)構(gòu)構(gòu)造支持向量機多類分類器，通過實驗證明，利用本文提出的算法所確定的二叉樹結(jié)構(gòu)使得到的多類分類器的分類性能有所提高；第六，分別提出了基于兩類可分性最大原則的支持向量機多類分類算法和基于類間可分性度量的“一對二”支持向量機多類分類算法，并將它們分別應用于對滾動軸承五種工作狀態(tài)的識別，取得了較好的效果。

本文通過以上工作，主要對確定支持向量機多類分類算法的結(jié)構(gòu)、發(fā)展新的支持向量機多類分類算法、多類樣本所有兩類間的可分性對比關(guān)系及其與核函數(shù)的聯(lián)系等幾個方面進行了研究，并將所提出的一些方法應用于對滾動軸承五種狀態(tài)的識別，取得了較好的效果�？偟膩碇v，基于支持向量機的多類分類算法的研究主要立足于如何用較好的方法構(gòu)造出性能更為優(yōu)良的多類分類器，其中許多問題的解決還有待于廣大研究者的進一步探索。

3.期刊論文 王曉鋒.秦玉平.WANG Xiao-feng.QIN Yu-ping 基于支持向量機的網(wǎng)頁多類分類技術(shù) -大連輕工業(yè)學院學報2007,26(4)

基于支持向量機的網(wǎng)頁分類技術(shù)是數(shù)據(jù)挖掘中一個研究熱點領域.支持向量機是一種高效的分類識別方法,在解決高維模式識別問題中表現(xiàn)出許多特有的優(yōu)勢,但支持向量機本身是一個兩類問題的判別方法,不能直接應用于多類問題.總結(jié)了當前常用的幾種支持向量機多類分類算法,分別從訓練速度、測試速度、分類精度三方面對這些分類方法進行了討論,并給出了進一步的研究方向.

4.學位論文 張晶晶 多類分類支持向量機在信用評級領域的應用及核參數(shù)選擇研究 2009

支持向量機(Support Vector Machine)是數(shù)據(jù)挖掘的新方法，也是一種小樣本統(tǒng)計工具，它在解決小樣本、非線性及高維的模式識別問題上具有其他機器學習方法難以企及的優(yōu)勢。在支持向量機二類分類方法的基礎上，本文深入研究了多類分類的算法及其應用。

巴塞爾新資本協(xié)議希望并鼓勵銀行業(yè)發(fā)展內(nèi)部信用評級系統(tǒng)，如何尋找到一種客觀、可行的評級方法，如何構(gòu)建內(nèi)部評級系統(tǒng)，對國內(nèi)銀行從業(yè)者提出了新的要求和挑戰(zhàn)。信用評級從科學的角度對信用度進行定性和定量分析，其本質(zhì)是一個非線性的分類問題，用支持向量機可以很好地解決。 本文在前人研究的基礎上，圍繞著支持向量機多類分類算法的改進及其在信用評級領域應用而展開。

首先，根據(jù)巴塞爾新資本協(xié)議提出的信用評級體系，建立對應的評級模型。該模型的建立將信用評級過程標準化，層次化。本文主要針對模型層進行分析，通過改進模型層的核心算法，實現(xiàn)不同的評級方法。

其次，將層次支持向量機、糾錯編碼支持向量機等幾種適合用于多類分類的算法加以改變和優(yōu)化，使之有更好的分類效果。然后結(jié)合銀行提供的評級樣本，使用工具箱實現(xiàn)了機器學習和數(shù)據(jù)評估過程。最后從性能、分類效果和易實現(xiàn)等角度分析了這幾種多類分類算法的相對優(yōu)劣。

本文還分析了核函數(shù)的選取對支持向量機分類結(jié)果的影響，通過調(diào)節(jié)參數(shù)，對不同參數(shù)條件下的分類效果進行實驗。分析了幾種最常見核函數(shù)的性能和特點，闡述了核函數(shù)的構(gòu)造和相關(guān)定理，選擇實驗所用的核函數(shù)--Gauss徑向基核函數(shù)；同時研究了Gauss徑向基核函數(shù)兩個參數(shù)意義，根據(jù)數(shù)據(jù)源樣本對兩個參數(shù)σ和C進行調(diào)整，找尋參數(shù)值與支持向量機學習、推廣性能之間的關(guān)系，最后總結(jié)了參數(shù)調(diào)節(jié)的方法。

5.會議論文 孫開師.賀國平 基于聚類的支持向量機多類分類問題 2006

支持向量機源于二類分類問題,而支持向量機多類分類問題雖然取得了一定的進展,但是目前仍是一個不斷發(fā)展的熱點問題.本文介紹了當前支持向量機多類分類問題的一般解法和思路,提出了一種基于聚類的支持向量機多類分類問題的解法,并與通常的解法相比較,得到了良好的結(jié)果。

6.學位論文 楊杰 基于模糊支持向量機的多類分類方法研究 2005

多類分類是機器學習的一個重要分支，而經(jīng)典的支持向量機算法是針對兩類的分類問題提出的，于是人們將其推廣來解決多類分類問題.在一些實際問題中類與類的邊界是不清晰的，為此人們又提出了模糊支持向量機的概念，來進一步完善支持向量機多類分類方法及滿足一些其他實際問題的需要.基于不同的出發(fā)點，目前主要有兩種建立在模糊支持向量機基礎上的分類方法，但都不是很成熟，本文的工作在于對這兩種方法進行深入分析，提出改進算法，并加以實例驗證：

　　一種思想是由日本學者Takuga與Shigeo提出的.此方法主要是針對一對多組合與一對一組合支持向量機存在決策盲區(qū)而提出的，但這種方法并不能保證各個多類分類器結(jié)果的一致性，本文給出一個修正的模糊支持向量機的分類模型，從而提高此方法的性能.

　　另一種思想由臺灣學者Chun-FuLiu，Sheng-DeWang，Han-PangHuang等人提出，其出發(fā)點是為了突出數(shù)據(jù)中各個樣本點的重要程度的差異，同時也為了減小噪音數(shù)據(jù)對分類結(jié)果的影響.本文將這種方法和一對多組合結(jié)合起來，從而使新的多類分類算法具有很好的泛化能力.

　　經(jīng)實例驗證，本文提出的改進算法比原方法有更好的分類結(jié)果.

7.期刊論文 唐發(fā)明.王仲東.陳綿云.TANG Fa-ming.WANG Zhong-dong.CHEN Mian-yun 支持向量機多類分類算法研究 -控制與決策2005,20(7)

提出一種新的基于二叉樹結(jié)構(gòu)的支持向量(SVM)多類分類算法.該算法解決了現(xiàn)有主要算法所存在的不可分區(qū)域問題.為了獲得較高的推廣能力,必須讓樣本分布廣的類處于二叉樹的上層節(jié)點,才能獲得更大的劃分空間.所以,該算法采用最小超立方體和最小超球體類包含作為二叉樹的生成算法.實驗結(jié)果表明,該算法具有一定的優(yōu)越性.

8.學位論文 趙暉 支持向量機分類方法及其在文本分類中的應用研究 2005

支持向量機作為一種基于統(tǒng)計學習理論的新型機器學習方法，較好地解決了非線性、高維數(shù)、局部極小點等實際問題，是機器學習領域新的研究熱點。文本分類是基于內(nèi)容的自動信息管理的核心技術(shù)。文本向量稀疏性大、維數(shù)高、特征之間具有較大的相關(guān)性，支持向量機對于特征相關(guān)性和稀疏性不敏感，處理高維數(shù)問題具有較大的優(yōu)勢，因此，支持向量機非常適用于文本分類問題，在文本分類中具有很大的應用潛力。但是，同時，文本分類也給支持向量機提出了許多富有挑戰(zhàn)性的課題。例如，文本分類具有類別和樣本數(shù)目多、噪音多等特點，支持向量機用于文本分類時存在訓練和分類速度較慢等缺點。該文主要針對支持向量機在文本分類等實際應用中存在的問題進行深入研究。

主要工作如下：

1、支持向量機是針對兩類分類問題提出的，如何將其有效地推廣到多類分類仍是一個尚未完全解決的問題。分析了現(xiàn)有支持向量機多類分類方法的特點，并給出了一種半模糊核聚類算法，在此基礎上，根據(jù)樹型支持向量機的特性，提出了一種基于半模糊核聚類的樹型支持向量機多類分類方法。該方法基于半模糊核聚類算法挖掘不同類別之間的銜接和離散信息，設計樹型支持向量機的樹型結(jié)構(gòu)，克服其差錯積累問題。實驗表明，與其它支持向量機多類分類方法相比，該方法具有較高的分類精度和訓練速度，提高了支持向量機在多類分類問題中的應用效果。

2、針對標準支持向量機對噪音敏感，分類時傾向于樣本數(shù)目較多的類別的問題，給出一種模糊支持向量機的推廣模型，并在此基礎上，結(jié)合近似支持向量機的優(yōu)勢，提出了一種支持向量機組合分類方法。該方法首先采用近似支持向量機快速地去除非支持向量、減少訓練樣本數(shù)目、確定樣本權(quán)值和模型參數(shù)，然后在樣本數(shù)目較少的訓練集上，依據(jù)選擇好的模型參數(shù)和樣本權(quán)值訓練模糊支持向量機的推廣模型。實驗表明，該方法能有效確定樣本權(quán)值，減少訓練時間，并克服野值點和類別訓練樣本數(shù)目不均衡對分類器的不利影響。

3、通常情況下，，支持向量的數(shù)目越多，支持向量機的分類速度越慢，如何縮減支持向量集合、提高支持向量機的分類速度是支持向量機的重要研究內(nèi)容之一。在分析了現(xiàn)有支持向量集合縮減方法的基礎上，提出了一種基于虛樣本與支持向量回歸的支持向量集合縮減方法。該方法是根據(jù)支持向量集合和支持向量回歸方法的特性，對Osuna等提出的支持向量集合縮減方法的改進。該方法通過引入虛樣本剔除支持向量集合中的冗余樣本，生成虛邊界支持向量，解決了當冗余支持向量數(shù)目較多、邊界支持向量數(shù)目很少時，Osuna等提出的方法不能有效縮減支持向量集合的問題。實驗表明，該方法在基本不降低支持向量機分類精度的前提下，比Osuna等提出的方法更大程度地減少了支持向量的數(shù)目，提高了支持向量機的分類速度。

4、基于支持向量機在文本分類中的優(yōu)勢，將支持向量機方法應用于文本分類的特征提取，提出了一種基于支持向量機的單詞聚類方法。該方法基于支持向量機度量單詞對分類的貢獻大小，將對分類貢獻一致的單詞合并起來作為文本向量的一個特征項。實驗表明，該方法在基本不丟失分類信息的前提下，較大程度地降低了文本向量的維數(shù)、減少了文本特征之間的相關(guān)性，并提高了文本分類的查準率和查全率。

9.期刊論文 黃劍鋒.劉付顯.朱法順.HUANG JIANFENG.LIU FUIXIJAIN.ZHU FASHUN 基于多類分類支持向量機的空襲目標識別 -微計算機信息2008,24(10)

針對已有空襲目標識別方法存在的不足,依據(jù)空襲目標的分類原則,提出了基于多類分類支持向量機的空襲目標識別方法.該方法采用支持向量機的多類分類技術(shù),降低了經(jīng)驗風險,有效地提高了識別率.最后給出了一個算例,結(jié)果和專家給出的建議一致,表明支持向量機方法比較精確和簡單.

10.學位論文 王曉峰 SVM多類分類及其在遙感圖像中的應用 2005

支持向量機(SVM)是在Vapnic的統(tǒng)計學習理論基礎上發(fā)展起來的一種新的模式識別方法。它以結(jié)構(gòu)風險最小化(SRM)為原則，通過實現(xiàn)確定的非線性映射將輸入向量映射到一個高維特征空間中，然后在此高維空間中構(gòu)建最優(yōu)分類超平面。SVM在解決小樣本、非線性及高維模式識別問題中表現(xiàn)出許多特有的優(yōu)勢，并能夠推廣到函數(shù)擬合等其他機器學習問題中。目前，將SVM應用于模式識別領域，是當前SVM的一個研究熱點。

最初SVM是用以解決兩類分類問題，不能直接用于多類分類。因此如何有效地將其推廣到多類分類問題還是一個正在研究的問題。當前已經(jīng)有許多算法將SVMs推廣到多類分類問題，這些算法統(tǒng)稱為“多類支持向量機“(Multi-category Support Vector Machimes，M-SVMs)。本文提出了一種基于編碼二叉樹的多類支持向量機——CB-SVMs，算法舍棄了各子分類器間大量冗余信息及其較小的糾錯補償，合理利用了其它子分類器的分類信息，大大減少了子分類器的數(shù)目。復雜度分析和在標準測試數(shù)據(jù)集上的計算結(jié)果表明：CB-SVMs相對其它M-SVMs，有效提高了訓練速度和測試速度，同時具有構(gòu)造簡單、穩(wěn)定性好的優(yōu)點。

本文最后介紹了遙感圖像分類的基本理論和算法，通過將CB-SVMs應用到遙感圖像分類中去，表明了CB-SVMs算法具有較高的分類精度和泛化性能。同時說明了SVM算法在遙感圖像分類方面良好的應用前景。

本文鏈接：

授權(quán)使用：電子科技大學(cddzkjdx)，授權(quán)號：c0c68a99-28fd-4bb4-a62c-9ea300eda538

下載時間：2011年3月11日

最新搜索

支持向量機(SVM)及其在心電圖(ECG)分類識別中的應用

普通高中歷史課程標準(新)94

IT行業(yè)巨頭的醫(yī)療進展74

民航乘務員客艙服務教程

我的世界 家具mod合成表(更新 糾錯過)

組織能力破繭的挑戰(zhàn)

管理案例分析方法論(供參考)

賽諾菲

塑性成形工藝及模具設計試卷

2014中法網(wǎng)課堂筆記

  本文關(guān)鍵詞：支持向量機（SVM）及其在心電圖（ECG）分類識別中的應用，由筆耕文化傳播整理發(fā)布。