【基於神经网络方法的心电信号数据压缩及分类识别研究】.pdf
基于神经网络的数据压缩方法是近年来兴起的一种新技术,它可充分利用神 经网络的映射能力实现数据的降维压缩.同时神经网络所具有的模式分类识别能 力使得它能够和周期压缩方法结合在一起,并以更高的效率完成数据压缩任务.本文正是利用神经网络的压缩能力和分类识别能力进行有关ECG数据压缩和分类 第一章概述了基于神经网络的ECG数据压缩的研究背景、意义和发展状况,第二章简要描述了ECG特点,ECG余信息来源,以及关于直接压缩法、变换压缩法和特征参量提取法等ECG压缩算法的基本原理,并综述了九十年代来 第三章讨论基于BP算法的前馈神经网络在ECG数据压缩中的应用.
IⅢI thebestvector quantizer and combining theprincipleoffuzzylearningvector quantization,we present equipropability fuzzy learning vector quantization and equierrorfuzzylearningvector quantization.Wealsogive someECGcompression Inchapter5,analyzestheECGclassificationbasedneuralnetworksmethods.
3不同BP算法对压缩的影响 3心电信号特征与网络权值对应关系 3网络计算与主分量分析(PCA)3ECG压缩网络的输出权值 第四章基于竞争学习算法的ECG数据压缩 4改进的SOFM矢量量化器 4FLVQ天量量化器SOFM作为天量量化器的ECG数据压缩 4FLVQ作为矢量量化器的ECG数据压缩 4.