طبقه بندی بهینه ویژگی های استخراجی از سیگنال الکتروکاردیوگرام به کمک الگوریتم هایpsoو ماشین بردار پشتیبان

آریتمی های قلبی یکی از بیماری های قلبی بوده که در مورد بیماران بستری شده در بخش مراقبت های ویژه باید به آن توجه شود هوشمندسازی فرآیند تشخیص دقیق بیماری های قلبی مسالهای است که سالها مورد توجه پژوهشگران قرار گرفته است. در این تحقیق روشی کارآمد جهت گزینش ویژگی های مناسب استخراج شده از سیگنال ECGبر پایه ی الگوریتم باینری فاخته (BCOA) ارائه شده است. ویژگی های استخراج شده شامل ویژگی های زمانی، AR و ضرایب موجک است که تعداد این ویژگی ها با استفاده از عملگر mRMR ی PCA کاهش داده میشود. BCOA ، مجموعه هایی از ویژگی تشکیل میدهد و همواره در پی یافتن مجموعه ای شایسته از تمامی ویژگی ها است. ارزیابی این مجموعه از ویژگی های انتخاب شده توسط BCOA با اعمال به طبقه بند SVMبررسی میشود. سپس الگوریتم PSO جهت بهینه سازی پارامترهایSVMاعمال میشود. به کمک شبیه سازی کامپیوتری، صحت کلی سیستم برای شناسایی ۶نوع ریتم قلبی۹۸.۹۷به دست آمد که در مقایسه دقت حاصل شده با پژوهش های پیشین، کارایی مطلوب روش پیشنهادی را نشان میدهد.

کلیدواژه ها:

طبقه بندی سیگنال الکتروکاردیوگرام ، الگوریتم فاخته ، طبقه بند ماشین بردار پشتیبان