可用于移动设备的心律失常分类算法研究

摘要

在心律失常分类问题的研究中,将神经网络、支持向量机用于移动设备平台的室性心律失常分类时,针对数据量大导致的训练时间长、分类时间长的问题,提出了激活函数改进的岭回归极限学习机(Extreme Learning Machine,ELM)算法,以岭回归极限学习机为基础,对激活函数进行多种改进尝试.以训练时间和分类准确率等为性能指标,对比不同激活函数,以及多种分类算法,证明改进后的岭回归极限学习机算法能够快速、准确地针对室性心律失常进行分类,速度与准确性优于其它几种算法.