基于PSOFS和TSK模糊系统的不平衡心电数据分类算法.docx资源-CSDN文库

版权申诉

146 浏览量 2023-02-23 16:44:10 上传评论收藏 331KB DOCX 举报

资源推荐

资源详情

资源评论

0 引言

在收集到的心电图数据集中，正常心电图的数量远远多于心律不齐以及心

肌梗死的心电图数量，这是典型的不平衡数据

[1]

。心电图波段繁多、信息繁杂，

而且心电图易受各种因素影响，例如过度紧张、发热、躁动等。医学研究者从

繁杂的心电图中建立预测规律或者预测模型是极其困难的。而机器学习善于从

繁杂数据中挖掘出对应的线性或非线性规律，这能为建立预测模型提供很大帮

助。其中，模糊神经网络（fuzzy neural network，FNN）是机器学习中的一

个重要领域，其能以规则和模糊集的形式对知识进行表达，因此模糊神经网络

具备良好的可解释性。

模糊分类一般包括以下过程：一是模糊划分，将输入样本映射到模糊子空

间中；二是建立与子空间相对应的模糊规则；三是借由模糊规则对输入样本进

行分类判断。在训练模糊规则时，通常会使用模糊 C 均值（fuzzy C-means，

FCM）算法学习模糊规则的前件。研究表明，FCM 算法的集中效果与数据集

规模有关，随着数据集规模增大到一定程度，数据规模越增加，集中效果越差。

学者们提出了很多人工神经网络（artificial neural network，ANN）的经

典学习算法，例如反向传播（ back propagation， BP ）算法、极限学习机

（extreme learning machine，ELM）

[2]

、径向基函数（radial basis function，

RBF）网络

[3]

等。其中，模糊神经网络是由模糊系统和神经网络构成的网络。

然而随着时代的发展，现有的模糊分类器难以满足人们对性能的要求，有学者

提出使用集成方法提升模糊分类器的性能。

● Stacking 型集成方法：Stacking 型集成方法可以多级融合模糊分类器或

模糊规则。例如，参考文献[4]训练多个分类器并将其作为初级分类器，再集成

剩余20页未读，继续阅读

内容反馈

版权申诉

罗伯特之技术屋

粉丝: 3675
资源: 1万+

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip