[发明专利]一种基于支持向量机的QRS波群分类方法

权利要求书

1.一种基于支持向量机的QRS波群分类方法，其特征在于所述的分类方法包括下述步骤：

a)选取合适的QRS波群，对数据进行预处理；使用支持向量机，每两类数据之间进行训练分类模型；

b)读取需要预测波形类型的QRS波群数据；

c)对数据进行预处理，包括归一化处理和数据降维算法的处理；

d)利用分类模型对波形类型进行预测；

e)使用投票的办法实现对多种形态的QRS波群的识别分类，得到预测结果。

2.根据权利要求1所述的基于支持向量机的QRS波群分类方法，其特征在于：

步骤a)中，按照不同的波形类型保存QRS波群数据，并设定类别标签；对QRS波群数据进行归一化和降维的处理，并按照一定的比例划分为训练集和预测集；选取合适的核函数；使用K-CV的方法对惩罚参数c和核函数参数g进行优化；

步骤d)中，所述的预测过程，选用“一对一”模式，即每两类数据之间设计一个分类器，进行分类模型的训练，K类数据共产生K(K-1)/2个分类模型；分别对训练集和预测集进行分类实验，查看分类效果；

步骤e)中，所述的投票法是：假设数据有N个类别，首先在每两个类别间设计一个分类器，共计N*(N-1)/2个支持向量机模型；然后使用上述模型对输入的QRS波群分类，得到N*(N-1)/2个判别结果；最后统计票数最高的类型作为最终的分类结果。

3.根据权利要求1所述的基于支持向量机的QRS波群分类方法，其特征在于：

所述的选取参与分类模型训练的QRS波群数据标准包括：去除肌电干扰较大的QRS波群，去除基线漂移严重的QRS波群；选取波形完整的QRS波群；选取不同病例的QRS波群，以保证训练集的QRS波群；

所述的数据预处理是：首先对QRS波群的原始数据进行[-1,1]归一化，然后经过主成分分析算法的处理，最后使用线性判别分析算法进行降维。