一种基于模糊推理结合加权相似度量的心电分类方法

文档序号:8223764阅读:329来源:国知局
一种基于模糊推理结合加权相似度量的心电分类方法
【技术领域】
[0001] 本发明设及一种屯、电分类方法。
【背景技术】
[0002] 传统的屯、电信号分类常采用专家系统来实现,该种方法的优点是方便快捷,但对 于屯、电信号的分类,由于其复杂多变,很难W准确的方式来描述现象和原因之间复杂的多 对多或一对多的关系,规则的提取也就变得很困难,提取出的规则也不会很精确,而模糊理 论可W很好地弥补该方面的不足。陈晓側利用模糊理论结合神经网络得出异常屯、拍的隶属 度并完成模糊规则的提取,然后进行模糊推理实现分类;汪德宁利用数据库构建模糊知识 库,再结合模糊推理机实现分类;江涛将模糊理论与专家系统相结合,建立模糊专家系统; W上提到的方法最终均通过概念隶属度值的比对进行分类,无法建立屯、电知识库,考虑不 到屯、电本身各波形及波形属性之间的相互关系,从而忽略了无关属性对特定类型的分类产 生的误导,因此屯、电知识库的构建也是需要研究的问题。而领域本体能够准确地描述概念 含义W及概念之间的内在关联,具有良好的概念层次结构和对逻辑推理的支持,能够很好 地应用于屯、电的知识库建立中。

【发明内容】

[0003] 本发明为了解决已有的模糊推理分类方法无法构建屯、电知识库,从而忽略了屯、电 知识及不同波段形态的不同组合对分类的影响导致分类错误率高的问题,和已有的模糊推 理分类方法对属性概念不加筛选直接利用其隶属度值的比对进行分类导致分类错误率高 的问题。进而提出了一种基于模糊推理结合加权相似度量的屯、电分类方法。
[0004] 一种基于模糊推理结合加权相似度量的屯、电分类方法,包括下述步骤:
[0005] 步骤一:对已知类型的屯、电信号f(n)进行预处理,包括两部分,利用数学形态学 方法去除基线漂移,利用小波阔值法去除高频噪声,预处理之后的屯、电信号用F(n)表示;
[0006] 步骤二;对步骤一中预处理之后的屯、电信号F(n)进行波形检测,检测屯、电信号 F(n)的ST段、T波、QRS波段位置,然后对各波段进行特征参数提取,选取的特征参数包括 ST段抬高,ST段降低,QRS波段宽大,T波倒置,T波电交替;
[0007] 对同一类型的多个已知类型的屯、电信号F(n)进行特征参数提取之后,对于属于 同一类型i的屯、电信号F(n),i = (a、b、C、t e、f),定义类型i的多个已知类型屯、电信 号F(n)中某种特征参数的屯、拍数总数占总屯、拍数的百分比为该一类屯、电信号的特征属性 值,则该一类屯、电信号的特征属性值向量定义为分类特征属性值向量Yi= [y。y。y。714 yj ;
[000引步骤S、根据屯、电图知识创建屯、电本体ecg. owl ;创建屯、电本体ecg. owl的类和实 例,定义屯、电本体的属性的限制条件,包括属性的名称,定义域和值域;
[0009] 步骤四、根据模糊概念格与屯、电本体ecg. owl之间的映射关系,模糊概念格由外 延、内涵和相应的隶属度值构成;模糊概念格的外延、内涵依次对应为屯、电本体ecg. owl中 的类名、属性,将步骤二中得到的一类屯、电信号的特征属性值yi作为模糊概念格行与列交 叉处的隶属度值,从而构建模糊概念格,获得概念格中的节点关系和节点构成;
[0010] 步骤五、利用步骤一的方法对待检屯、电信号f,(n)进行预处理,处理之后得到的待 检屯、电信号用F,(n)表示;利用步骤二的方法对F,(n)进行特征提取获得待检屯、电的待检特 征属性值向量X = [Xi X2 X3 X4 Xs];
[0011] 步骤六、利用屯、电本体ecg. owl结合模糊概念格中的节点关系w及各节点对应的 节点构成,获得模糊推理规则,利用Jess推理机完成推理,获得待检屯、电F, (n)的候选对象 概率值P ;
[001引步骤走、利用基于信息滴的概率加权相似度量对待检屯、电进行分类,得到最终的 分类结果,将待检屯、电F>)划分为已知类型屯、电信号F(n)中的一种完成待检屯、电F>) 的分类。
[001引本发明的优点;
[0014] 相对于已有的模糊推理方法,本发明提出的一种基于模糊推理结合加权相似度量 的屯、电分类方法,其中加入屯、电本体,构建模糊概念格,将模糊属性转化成具体的隶属度 值,并对隶属度值进行有效筛选,完成了屯、电分类中模糊知识的具体化,此外,在利用加权 相似度量进行最终分类之前,模糊推理的初次分类缩小了匹配范围,该样既解决了屯、电知 识库的构建问题,又降低了错误分类的概率,分类正确率达到89. 5%。
【附图说明】
[0015] 图1本发明的框图示意图;
[0016] 图2基于数学形态学方法去除基线漂移示意图,图2(a)为原始屯、电信号,图2化) 为去除基线漂移后的屯、电信号;
[0017] 图3基于小波阔值法去除高频噪声示意图,图3(a)为原始屯、电信号,图3(b)为去 除高频噪声后的屯、电信号;
[001引图4屯、电信号特征波提取示意图,图4(a)为屯、电信号的QRS波段检测结果,图 4(b)为屯、电信号ST段检测结果,图4(c)为屯、电信号T波起止点的检测结果;
[0019] 图5模糊概念格节点示意图。
【具体实施方式】
【具体实施方式】 [0020] 一;结合图1说明本实施方式,一种基于模糊推理结合加权相似度 量的屯、电分类方法,包括下述步骤:
[002U 步骤一:对已知类型的屯、电信号f(n)进行预处理,包括两部分,利用数学形态学 方法去除基线漂移,利用小波阔值法去除高频噪声,预处理之后的屯、电信号用F(n)表示;
[0022] 图2给出了去除基线漂移的处理结果,其中图2(a)表示原始屯、电信号,图2(b)表 示去除了基线漂移之后的屯、电信号。图3给出了去除高频噪声的处理结果,其中图3(a)表 示原始屯、电信号,图3(b)表示去除了基线漂移之后的屯、电信号。
[002引步骤二;对步骤一中预处理之后的屯、电信号F(n)进行波形检测,检测屯、电信号 F(n)的ST段、T波、QRS波段位置,然后对各波段进行特征参数提取,选取的特征参数包括 ST段抬高,ST段降低,QRS波段宽大,T波倒置,T波电交替;
[0024] 对同一类型的多个已知类型的屯、电信号F(n)进行特征参数提取之后,对于属于 同一类型i的屯、电信号F(n),i = (a、b、C、t e、f),定义类型i的多个已知类型屯、电信 号F(n)中某种特征参数的屯、拍数总数占总屯、拍数的百分比为该一类屯、电信号的特征属性 值,则该一类屯、电信号的特征属性值向量定义为分类特征属性值向量Yi= [y。y。y。714 yj ;
[0025] 步骤S、根据屯、电图知识创建屯、电本体ecg. owl ;创建屯、电本体ecg. owl的类和实 例,定义屯、电本体的属性的限制条件,包括属性的名称,定义域和值域;
[0026] 步骤四、根据模糊概念格与屯、电本体ecg. owl之间的映射关系,模糊概念格由外 延、内涵和相应的隶属度值构成;模糊概念格的外延、内涵依次对应为屯、电本体ecg. owl中 的类名、属性,将步骤二中得到的一类屯、电信号的特征属性值yi作为模糊概念格行与列交 叉处的隶属度值(将711、712、713、714、7^组成对应一列,对应相应的内涵),从而构建模糊概 念格,获得概念格中的节点关系和节点构成;
[0027] 步骤五、利用步骤一的方法对待检屯、电信号f,(n)进行预处理,处理之后得到的待 检屯、电信号用F,(n)表示;利用步骤二的方法对F,(n)进行特征提取获得待检屯、电的待检特 征属性值向量X = [Xi X2 X3 X4 Xs];
[002引步骤六、利用屯、电本体ecg. owl结合模糊概念格中的节点关系W及各节点对应的 节点构成,获得模糊推理规则,利用Jess推理机完成推理,获得待检屯、电F, (n)的候选对象 概率值P ;
[0029] 步骤走、利用基于信息滴的概率加权相似度量对待检屯、电进行分类,得到最终的 分类结果,将待检屯、电F>)划分为已知类型屯、电信号F(n)中的一种完成待检屯、电F>) 的分类。
【具体实施方式】 [0030] 二;本实施方式所述的步骤二中对已知类型的屯、电信号F(n)进行 QRS波段的波形检测W及提取对应特征参数的实现过程为:
[003U 步骤2. 1. 1、利用二进样条小波变换对屯、电信号F(n)按Mallat算法进行分解滤 波,消除干扰;
[0032] 步骤2. 1. 2、利用小波变换与信号奇异点之间的关系,在23尺度下对QRS波段进行 检测,得到QRS波段的起止点,检测到的QRS波段的采样点数大于36个判定为QRS波段宽 大,小于等于36个即判定为QRS波段正常;
[003引步骤2. 1. 3、获得已知类型i中的所有屯、电信号F(n)中QRS波段宽大的屯、拍数,将 该些QRS波段宽大的屯、拍数计和,该些QRS波段宽大的屯、拍数的总数占总屯、拍数的百分比 记为yw即类型i的屯、电信号的QRS波段宽大特征属性值为y^。
[0034] 图4(a)给出了 QRS波段起止点的检测结果。
[0035] 其它步骤与【具体实施方式】一相同。
【具体实施方式】
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1