心電時間序列的表示和相似性度量方法的研究.pdf

1、世界衛(wèi)生組織披露全球三成死亡歸咎于心血管疾病，能夠高效快速的診斷心血管疾病有著極為重要的現實意義。心電圖（Electrocardiogram,ECG）是心臟生理活動信號的一種圖形化展示，能夠輔助醫(yī)生診斷心臟疾病。傳統(tǒng)的心電自動識別系統(tǒng)是通過提取波形的特征，再利用成熟的機器學習算法分類。這種方法有兩大問題：一是要求開發(fā)人員有較強的醫(yī)學知識素養(yǎng)；二是需要大量數據去訓練獲得模型，模型還需要定期維護。本課題期望在沒有醫(yī)學知識背景的情況下，利用相

2、似性度量方法在數據庫中查找最相似的k條序列，再利用KNN分類器判定查詢序列類別。然而，由ECG序列的復雜性與高維性，致使現有的方法不能快速有效的度量其相似性。
　　本課題圍繞ECG序列的表示與相似性度量這兩個方面展開研究，分別提出了重要點的趨勢偏轉距離的分段線性表示方法（IPDT_PLR）與基于DTW的分段模式距離相似性度量算法（SegMode_DTW）。
　　IPDT_PLR方法是基于ITTP_PLR方法的，它繼承了ITT

3、P_PLR方法能保留重要趨勢轉折點的優(yōu)點，同時對ITTP_PLR方法存在的問題有針對的改進。IPDT_PLR方法通過加入拐點信息克服了ITTP_PLR方法對于單調趨勢序列擬合效果差的缺點。通過自頂向下的挑選重要點的方式能更好的挑選出序列中的重要點。通過修改分段的標準能進一步降低擬合誤差。
　　在相似性度量的研究中，本課題提出的SegMode_DTW算法從三個方面對原有的DTW算法進行改進。第一是主要子模式匹配，通過主要子模式匹配，