基于ARMA模型的ECG聚类算法研究

摘要: 对心电信号( ECG) 这种高维的时间序列进行聚类,最重要的方面之一即进行特征提取!本研究提出利用
自回归和移动平均( ARMA)模型拟合?ZK 信号,以拟合系数的欧氏距离为结构不相似测度征进行聚类!但此方法
没有考虑样本数据的各维特征对聚类的不同贡献率,所以本文提出可以把首次聚类每维特征在聚类中的贡献率作
为其权值,对每维数据加权后重新进行聚类!以MIT-BIH 标准数据库中的正常窦性心率( NSR) 和心室早期收缩
( PVC) 样本数据进行聚类分析,结果表明利用改进后的方法进行聚类的准确度达到97.3 % ,从而证明了所提方法
的有效性!

 

 

ARMA算法

posted @ 2014-05-21 18:41  puckpuck  阅读(585)  评论(0编辑  收藏  举报