عنوان کامل پایان نامه : بهبود طبقه‌بندی سیگنال الکتروکاردیوگرام -ECG- با ماشین بردار پشتیبان و بهینه‌سازی اجتماع ذرات -PSO-SVM-

تکه هایی از این پایان نامه :

4-1- مقدمه

در این فصل به تشریح مراحل مختلف اجرای روش پیشنهادی می‌پردازیم و همچنین تاثیر تغییر پارامترهای موثر در اجرای این روش،مطالعه خواهد گردید. پیاده‌سازی این روش در محیط نرم افزار متلب انجام شده می باشد که در آن آغاز به تبیین مراحل پیش پردازش سیگنال،سپس مراحل مربوط به استخراج‌ و انتخاب ویژگی‌ها و در نهایت طبقه‌بندی داده‌ها،برای طبقه‌بندی سیگنال نرمال و 5 اریتمی می‌پردازیم. ترتیب اجرای الگوریتم‌ها و تکنیک‌های بکار رفته در روش پیشنهادی این پژوهش در شکل(4-1) نشان داده شده می باشد.

سیگنالهای ECG مربوط به بیماران مختلف از پایگاه داده استاندارد MIT-BIH تهیه شده‌اند. این پایگاه داده دارای 48 سیگنال ECG دوکاناله می باشد که از 47 مورد مطالعاتی در لابراتوار آریتمی BIH بین سالهای 1975 تا 1979 بدست آمده می باشد. سیگنالها با فرکانس 360 نمونه بر ثانیه و با دقت 12 بیت در محدوده 10 میلی ولت ذخیره شده‌اند. سیگنال20 بیمار به شمارههای 100، 102، 104، 105، 106، 107، 118، 119، 200، 201، 202، 203، 205، 208، 209، 212، 213، 214، 215 و 217 مطابق با [3] به عنوان داده ورودی انتخاب شدند. با بهره گیری از نرم افزار WFBD این داده‌ها به داده‌هایی جهت ورود به نرم افزار تبدیل می شوند ‌که‌ علاوه بر خود سیگنال ECG ، داده‌های با ارزشی مثل نقاط R مربوط به هر ضربان زمان وقوع موج R و نوع بیماری هر ضربان در اختیار ما قرار می‌گیرد.

شما می توانید مطالب مشابه این مطلب را با جستجو در همین سایت بخوانید

 متن فوق بخش هایی از این پایان نامه بود

می توانید به لینک پایین صفحه مراجعه نمایید:

 thesis-power-word