本文關(guān)鍵詞：最優(yōu)分位數(shù)水平選擇方法及其在心電圖判別疾病類型中的應(yīng)用，，由筆耕文化傳播整理發(fā)布。

【摘要】：分類在大數(shù)據(jù)時代的生物與醫(yī)學(xué)研究中越來越重要。本文根據(jù)心電圖中對疾病診斷有著重要作用的波形特征的分布特點：與健康者相比,患病者的數(shù)據(jù)分布通常是不對稱的、重尾的或是多個分布的混合,提出了通過提取最優(yōu)分位數(shù)水平,即,使得兩個分布的樣本分位數(shù)之差的標(biāo)準(zhǔn)化最大的分位數(shù)指標(biāo),來區(qū)分兩個分布之間差異的方法。并在此基礎(chǔ)上,拓展了區(qū)分多個類別分布之間差異的最優(yōu)分位數(shù)水平提取方法。在模擬研究與實際心電圖數(shù)據(jù)分析部分,根據(jù)所提取的最優(yōu)分位數(shù)水平,通過對不同分布類型組合的判別分類模擬以及對PTB心電診斷數(shù)據(jù)庫中心電圖II導(dǎo)聯(lián)數(shù)據(jù)的疾病分類,驗證了本文所提方法比基于均值特征的分類效果要好,更能提取心電圖中異常心跳的特征。且本文所提方法對健康或者患病這兩種類別的分類精確度可達到84.96%，但由于實際心電圖數(shù)據(jù)中有三種疾病的樣本量太小,對五種疾病類別的分類效果不太理想,總準(zhǔn)確率只有67%左右。此外,本文在實際心電圖數(shù)據(jù)研究部分,分別采用了馬氏距離逐步判別法、支持向量機和分類與回歸樹這三種分類器來進行分類,并使用Leave-One-Out交叉驗證法和回代法來評價每種分類器的性能。
【關(guān)鍵詞】：最優(yōu)分位數(shù)水平 心電圖 疾病分類 馬氏距離逐步判別法 支持向量機 分類與回歸樹 Leave-One-Out交叉驗證法
【學(xué)位授予單位】：華東師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：R540.4
【目錄】：

• 摘要11-12
• ABSTRACT12-13
• 第一章 引言13-18
• §1.1 研究背景及現(xiàn)狀介紹13-15
• §1.2 本文創(chuàng)新點15-16
• §1.3 論文結(jié)構(gòu)16-18
• 第二章 方法原理介紹18-26
• §2.1 分類最優(yōu)分位數(shù)水平選取方法18-21
• §2.2 多分類最優(yōu)分位數(shù)水平選取方法21-23
• §2.2.1 一個最優(yōu)分位數(shù)水平選取方法21-22
• §2.2.2 多個最優(yōu)分位數(shù)水平選取方法22-23
• §2.3 分類方法原理簡介23-26
• §2.3.1 馬氏距離判別法23
• §2.3.2 支持向量機23-25
• §2.3.3 分類與回歸樹25-26
• 第三章 模擬研究26-37
• §3.1 二類分類模擬26-32
• §3.2 多類分類模擬32-37
• §3.2.1 基于一個最優(yōu)分位數(shù)特征分類32-33
• §3.2.2 基于多個最優(yōu)分位數(shù)特征分類33-37
• 第四章 實際數(shù)據(jù)分析37-50
• §4.1 心電圖簡介37-40
• §4.2 數(shù)據(jù)庫簡介及數(shù)據(jù)預(yù)處理40-45
• §4.2.1 PTB心電診斷數(shù)據(jù)庫簡介40-41
• §4.2.2 數(shù)據(jù)預(yù)處理及特征提取41-45
• §4.3 實際數(shù)據(jù)二分類分析45-46
• §4.4 實際數(shù)據(jù)五分類分析46-50
• §4.4.1 基于一個最優(yōu)分位數(shù)特征分類47
• §4.4.2 基于多個最優(yōu)分位數(shù)特征分類47-50
• 第五章 總結(jié)與討論50-52
• 參考文獻52-55
• 附錄A 多分類詳細(xì)判別結(jié)果55-61
• § A.1 模擬研究部分的多分類詳細(xì)判別結(jié)果55-59
• § A.2 實際數(shù)據(jù)分析部分的五分類詳細(xì)判別結(jié)果59-61
• 致謝61

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 胡良平,劉惠剛;醫(yī)學(xué)統(tǒng)計學(xué)基礎(chǔ)-分位數(shù)及其應(yīng)用[J];中國骨腫瘤骨病;2002年06期

中國重要報紙全文數(shù)據(jù)庫 前2條

1 廣發(fā)期貨 謝貞聯(lián);IF1005期現(xiàn)價差波動規(guī)律的啟示[N];期貨日報;2010年

2 李莉;2009年金屬鋁價格走勢預(yù)測[N];中國有色金屬報;2008年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 陳雄強;分位數(shù)自回歸模型理論與應(yīng)用研究[D];南開大學(xué);2013年

2 黃初;幾類新型相依條件下隨機變量的極限定理[D];浙江大學(xué);2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 梅云龍;刪失數(shù)據(jù)的條件高分位數(shù)估計[D];大連理工大學(xué);2015年

2 朱玲;貝葉斯分位數(shù)自回歸方法的研究及在香港恒生指數(shù)風(fēng)險測度上的應(yīng)用[D];南京財經(jīng)大學(xué);2014年

3 蔡際盼;WOD樣本下分位數(shù)和密度函數(shù)估計的強相合性[D];廣西師范學(xué)院;2015年

4 葛悠美;線性測量誤差模型中復(fù)合分位數(shù)估計的隨機加權(quán)方法[D];東華大學(xué);2016年

5 李麗鳳;PA樣本下含附加信息時分位數(shù)的統(tǒng)計推斷[D];廣西師范大學(xué);2015年

6 余珊珊;最優(yōu)分位數(shù)水平選擇方法及其在心電圖判別疾病類型中的應(yīng)用[D];華東師范大學(xué);2016年

7 代繼府;基于分位數(shù)決策理論的資產(chǎn)定價研究[D];復(fù)旦大學(xué);2013年

8 姚春;分位數(shù)估計量的性質(zhì)及應(yīng)用[D];武漢科技大學(xué);2014年

9 付月;基于MM算法的分位數(shù)計算方法[D];延邊大學(xué);2010年

10 關(guān)全文;Φ-混合樣本下有限個分位數(shù)的聯(lián)合置信域[D];浙江師范大學(xué);2014年

  本文關(guān)鍵詞：最優(yōu)分位數(shù)水平選擇方法及其在心電圖判別疾病類型中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

本文編號：401311