资料下载
×
基于二维图像与迁移卷积神经网络的分类方法
消耗积分:0 |
格式:pdf |
大小:1.56 MB |
2021-03-19
分享资料个
心律失常的自动分类对心血管疾病的诊断和预防具有重要意义。传统分类方法需要对心电信号进行人工特征提取，这对分类准确度有很大的影响。针对该问题，提出一种基于二维图像与迁移卷积神经网络（TCNN）的分类方法。通过对心电信号进行格拉姆角场变换将其转换为二维图像，在保证心电图像完整性的同时，保留原始信号的时间依赖性。在此基础上，结合迁移学习的思想，设计结构简单且参数量较少的TCNN模型对心电图像进行分类。实验结果表明，该方法网络训练用时较少，并且分类总准确率达到9.982%何实现对心律失常的有效分类。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
