$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

BP알고리즘과 SVM을 이용한 심전도 신호의 패턴 분류
Pattern Classification for Biomedical Signal using BP Algorithm and SVM 원문보기

퍼지 및 지능시스템학회 논문지 = Journal of fuzzy logic and intelligent systems, v.14 no.1, 2004년, pp.82 - 87  

김만선 (한국표준과학연구원 인간정보그룹) ,  이상용 (공주대학교 컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

심전도 데이터는 심장의 전기적인 신호의 다양한 파형으로 이루어지며, 이와 같은 파형을 분석하고 분류하기 위하여 데이터마이닝 기법을 이용할 수 있다. 심전도신호를 분류하기 위한 기존의 연구들은 왜곡된 특징추출과 과적합 등 문제점을 가지고 있다. 본 연구에서는 이와 같은 문제점들을 해결하기 위하여 BP 알고리즘과 SVM을 이용하여 심전도 신호를 분류해 보았다 그 결과 SVM이 신경망에서 발생하는 과적합을 효과적으로 방지하고, 유일한 전역해를 보장함으로써, 일반화 성능에서 우수함을 보이고 있다는 사실을 확인하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

ECG consists of various waveforms of electric signals of heat. Datamining can be used for analyzing and classifying the waveforms. Conventional studies classifying electrocardiogram have problems like extraction of distorted characteristics, overfitting, etc. This study classifies electrocardiograms...

주제어

#심전도   #데이터마이닝   #BP 알고리즘   #신경망  

참고문헌 (8)

  1. www.supportvector.ws/html/downloads.html 

  2. Z. Dokur and T. Olmez, "ECG beat cia ssification by a novel hybrid neural network", Computer Methods and Programs in Biomedicine, Volume 66, Issues 2-3, pp. 167 181, September 2001. 

    상세보기 crossref

  3. P.M. Rautaharju, S.H. Zhou, E.W. Hancock, B. Milan Hor[aacute]fecaronJek, Dirk Q.Feild, James M. Lindauer, Galen S. Wagner, O. Pahlm and Charles L.Feldman, "Comparability of 12-lead ECGs derived from EASI leads with standard 12-lead ECGS in the classification of acute myocardial ischemia and old myocardial infarction", Journal of Electrocardiology, Volume 35, Issue 4, Part 2, pp. 35-39, October 2002. 

  4. U. Rajendra Acharya, P. Subbanna Bhat, S. S.Iyengar, A. Rao and S.Dua, "Classification of heart rate data using artificial neural network and fuzzy equivalence relation, Pattern Hecognition", Volume 36, Issue 1. pp. 61-68, January 2003). 

    상세보기 crossref

  5. B. HEDEN, "Agreement Between Artificial Neural Networks and Experienced Electro cardiographer on Electrocardiographic Diagnosis of Healed Myocardial Infarction", JACC, Vol.28, No.4, pp.1012-1016, October 1996. 

    상세보기 crossref

  6. R. Silipo, M. Goru, A. Taddei, M. Varanini, C. Marchesi, "Classification of Arrhythmic Events in Ambulatory Electrocardiogram, Using Artificial Neural Networks", Computers and Biomedical research Vol.28, pp. 305-318, 1995. 

    상세보기 crossref

  7. K. Sternickel, "Automatic patttern recognition in ECG time series", Computer Methods and Programs in Biomedicine, Vol.68, pp. 109-115, 2002. 

    상세보기 crossref

  8. http://www.kernel-machines.org. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로