استخراج ویژگی های سیگنال الکتروکاردیوگراف، بر پایه ی الگوریتم باینری فاخته (BCOA)

آریتمی های قلبی یکی از بیماری های قلبی بوده که در مورد بیماران بستری شده در بخش مراقبتهای ویژه باید به آن توجه شود. هوشمندسازی فرآیند تشخیص دقیق بیماریهای قلبی مساله ای است که سال ها مورد توجه پژوهشگران قرار گرفته است. در این تحقیق روشی کارآمد جهت گزینش ویژگی های مناسب استخراج شده از سیگنال ECG، بر پایه ی الگوریتم باینری فاخته (BCOA) ارایه 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 یا PCA کاهش داده می شود BCOA ،مجموعه هایی از ویژگی تشکیل می دهد و همواره در پی یافتن مجموعه ای شایسته از تمامی ویژگی ها است. ارزیابی این مجموعه از ویژگی های ا نتخاب شده توسط BCOA با اعمال به طبقه بند SVM بررسی می شود. سپس الگوریتم PSO جهت بهینه سازی پارامترهای SVM اعمال می شود. به کمک شبیه سازی کامپیوتری،صحت کلی سیستم برای شناسایی 6 نوع ریتم قلبی %97/98 به دست آمد که در مقایسه دقت حاصل شده با پژوهش های پیشین،کارایی مطلوب روش پیشنهادی را نشان می دهد.

کلیدواژه ها:

الگوریتم فاخته ، طبقه بندی ماشین بردار پشتیبان