用于充血性心力衰竭预测的正则化 HessELM 与倾斜熵测量
机器学习
2019-07-16 v1 人机交互
数值分析
信号处理
数值分析
医学物理
摘要
我们的研究涉及通过分析心电图 (ECG) 信号自动预测充血性心力衰竭 (CHF)。我们引入并使用了一种新颖的机器学习方法——基于正则化 Hessenberg 分解的极限学习机 (R-HessELM)，以及特征模型：平方、圆形、倾斜和网格熵测量，用于 CHF 的预测。本研究证明，倾斜熵测量特征能很好地表征 ECG 信号的特征，并且结合 R-HessELM 方法实现了 98.49% 的总体准确率。
引用
@article{arxiv.1907.05888,
title = {Regularized HessELM and Inclined Entropy Measurement for Congestive Heart Failure Prediction},
author = {Apdullah Yayık and Yakup Kutlu and Gökhan Altan},
journal= {arXiv preprint arXiv:1907.05888},
year = {2019}
}
备注
9 pages, 3 figures, neuroprocessing letter