查询结果:   颜菲,胡玉平.叠加去噪自动编码器结合深度神经网络的心电图信号分类方法[J].计算机应用与软件,2019,36(4):178 - 185.
中文标题
叠加去噪自动编码器结合深度神经网络的心电图信号分类方法
发表栏目
人工智能与识别
摘要点击数
39
英文标题
ELECTROCARDIOGRAM SIGNALS CLASSIFICATION METHOD BASED ON STACKED DENOISING AUTOENCODER COMBINED WITH DEEP NEURAL NETWORK ALGORITHM
作 者
颜菲 胡玉平 Yan Fei Hu Yuping
作者单位
柳州铁道职业技术学院信息技术学院 广西 柳州 545616 广东财经大学信息学院 广东 广州 510320    
英文单位
School of Information Technology, Liuzhou Railway Vocational Technical College, Liuzhou 545616, Guangxi, China School of Information Science, Guangdong University of Finance and Economics, Guangzhou 510320, Guangdong, China    
关键词
心电图 信号分类 深度神经网络 叠加去噪自动编码器 权重自动调节
Keywords
Electrocardiogram Signal classification Deep neural network Stacked denoising autoencoder Weight self-regulation
基金项目
广东省自然科学基金项目(2016A030313717)
作者资料
颜菲,副教授,主研领域:深度学习,数据挖掘。胡玉平,教授。 。
文章摘要
针对现有心电图信号分类方法精度较低,模型训练收敛速度较慢的缺点,提出一种基于叠加去噪自动编码器和深度神经网络方法的新型分类方法。该方法采用无监督学习方式,利用带有稀疏约束的叠加去噪自动编码器,实现心电图原始数据的特征学习。基于深度神经网络对信号进行分类,同时利用监督式自主学习微调方法对神经网络权重进行适时调整,从而保证信号分类的精度和质量。利用三个机构的经典数据库对该方法进行实验研究,并与目前两种最新的方法进行对比。实验结果证明,该方法在专家标记样本较少的情况下,仍能明显提高心电图数据分类的准确率,同时加快训练时的收敛速度。
Abstract
Facing with the weakness in the current traditional electrocardiogram(ECG) signals classification method, low precision and low model training convergence speed, we proposed a novel classification method based on stacked denoising autoencoder(SDA) and deep neural network(DNN). Under an unsupervised way, the SDA with sparsity constraint was adopted to learn suitable features from the raw ECG data. The DNN was utilized to classify ECG signals, and the supervised autonomic-learning fine-tuning method was used to regulate the DNN weights in real time to guarantee the speed and precision of the proposed method. Experiments on the classic database of three institutes were carried out to compare the proposed method with two state-of-the-art methods. The results indicate that, even with less expert-labelled samples, the proposed approach can still enhance accuracy for ECG classification significantly and accelerate the convergence speed in training.
下载PDF全文   

根据该篇关键词查找到本刊已发表相关论文供参考
序号
文  章  标  题
作者1
发表栏目
页码
摘要
1
叠加去噪自动编码器结合深度神经网络的心电图信号分类方法
颜菲
人工智能与识别
2019
4
178
[摘要]
2
基于深度神经网络和局部描述符的大规模蛋白质互作预测方法
桂元苗
算法
2019
4
273
[摘要]
3
改进的基于卷积神经网络的图像超分辨率方法
王旺
图像处理与应用
2019
3
214
[摘要]
4
基于改进的DenseNet深度网络火灾图像识别算法
杨其睿
图像处理与应用
2019
2
258
[摘要]
5
基于双向LSTM的电网调度日志分类
徐家慧
应用技术与研究
2019
1
142
[摘要]
6
基于深度学习的锂电池褶皱检测方法的研究
王刚
人工智能与识别
2019
1
216
[摘要]
7
基于深度神经网络的复杂光照下的蓝藻图片语义分割
罗艾娜
图像处理与应用
2018
4
254
[摘要]
8
语音识别中神经网络声学模型的说话人自适应研究
金超
人工智能与识别
2018
2
200
[摘要]
9
改进的卷积神经网络图片分类识别方法
闫河
人工智能与识别
2018
12
193
[摘要]
10
基于改进的宽深度模型的推荐方法研究
王艺平
数据工程
2018
11
49
[摘要]
11
基于时间序列嵌入的电力负荷预测方法
田英杰
应用技术与研究
2018
11
55
[摘要]
12
基于LSTM深度神经网络的精细化气温预报初探
倪铮
人工智能与识别
2018
11
233
[摘要]
13
基于SLAM算法和深度神经网络的语义地图构建研究
白云汉
人工智能与识别
2018
1
183
[摘要]
14
运用双向LSTM拟合RNA二级结构打分函数
王帅
算法
2017
9
232
[摘要]
15
支持向量机算法应用于2FSK信号分类
王新艳
算法
2017
9
262
[摘要]
16
基于空间平滑MUSIC算法的相干信号DOA估计
陈文锋
算法
2017
11
232
[摘要]
17
基于吉文斯变换提取ECG中J波信号
朱贝贝
应用技术与研究
2016
8
95
[摘要]
18
一种基于深度神经网络的话者确认方法
吴明辉
人工智能与识别
2016
6
159
[摘要]
19
一种基于GMM-DNN的说话人确认方法
李敬阳
人工智能与识别
2016
12
131
[摘要]
20
基于UDP协议的心电图波形传输研究与实现
刘阅军
应用技术与研究
2016
1
65
[摘要]
21
一种改进的深度神经网络在小图像分类中的应用研究
吕刚
人工智能与识别
2014
4
182
[摘要]