基于稀疏字典的 ECG 心拍快速分类
信号处理
2020-09-09 v1 机器学习
摘要
特征提取在心电图（ECG）心拍分类系统中起着重要作用。与其他流行方法相比，VQ 方法在从 ECG 提取特征方面表现良好，具有降维优势。在 VQ 方法中，训练一组对应于 ECG 心拍片段的字典，并使用 VQ 码表示每次心跳。然而在实践中，由 k-means 或 k-means++ 优化的 VQ 码存在较大量化误差，导致同一类型两次心跳的 VQ 码差异很大。因此不同类型心跳之间的本质差异不能被很好表征。另一方面，VQ 在码本构造中使用过多数据，限制了字典学习的速度。本文提出一种新方法以提升 VQ 方法的速度与精度。为减少码本构造计算量，构造一组对应于 ECG 心拍波段的稀疏字典。初始化后，稀疏字典通过 Feature-sign 与拉格朗日对偶算法高效更新。基于这些字典，可计算一组码来表示原始 ECG 心拍。实验结果表明，我们的方法从 ECG 提取的特征更高效且可分离。我们的方法精度高于其他方法，且特征提取耗时更少。
引用
@article{arxiv.2009.03792,
title = {ECG Beats Fast Classification Base on Sparse Dictionaries},
author = {Nanyu Li and Yujuan Si and Di Wang and Tong Liu and Jinrun Yu},
journal= {arXiv preprint arXiv:2009.03792},
year = {2020}
}
备注
27 pages 5 figures