一种基于时间卷积网络模型的ECG数据分类方法

摘要

本发明公开了一种基于时间卷积网络模型的ECG数据分类方法，具体为：从多个ECG数据库中获取ECG数据组成心电图样本集，并对心电图样本集中的ECG数据进行预处理；构建时间卷积网络模型，并设置时间卷积网络模型的超参数：学习率、样本训练批次数、阈值、迭代次数以及丢弃率；采用预处理后的ECG数据对时间卷积网络模型进行训练，保留时间卷积网络模型的最优参数；对训练好的时间卷积网络模型进行测试；获取待分类的ECG数据，采用时间卷积网络模型对待分类的ECG数据进行分类，得到分类结果。本发明时间卷积网络模型避免了循环神经网络RNN中经常出现的爆炸或消失梯度的问题，同时在处理相同规模数据集的条件下，本发明时间卷积网络模型对数据分类效率更快。