文献类型：期刊文章

作　　者：刘鹏[1,2] 杜佳芝[3] 吕伟刚[2,4] 窦明武[1]

LIU Peng;DU Jia-zhi;LYU Wei-gang;DOU Ming-wu(Computing Center,Ocean University of China,Qingdao 266100,China;School of Information,Ocean University of China,Qingdao 266100,China;School of Computer Science and Technology,Harbin Institute of Technology,Harbin 150001,China;Department of Educational Technology,Ocean University of China,Qingdao 266100,China)

机构地区：[1]中国海洋大学计算中心,山东青岛266100 [2]中国海洋大学信息学院,山东青岛266100 [3]哈尔滨工业大学计算机科学与技术学院,黑龙江哈尔滨150001 [4]中国海洋大学教育技术系,山东青岛266100

出　　处：《东北大学学报（自然科学版）》

基　　金：山东省自然科学基金资助项目(ZR2017MF051);教育部人文社科基金资助项目(18YJCZH103)

年　　份：2019

卷　　号：40

期　　号：7

起止页码：932-936

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：心脏心律失常数据集的心电图(ECG)数据往往存在各心律失常类型下样本数量不平衡问题.针对此问题,提出了一种新的模式识别分类方法,即改进的基于核的差重建的加权k-近邻分类器(modified kernel difference-weighted k-nearest neighbor classifier, MKDF-WKNN),通过引入修正因子对含样本数较多的类别进行权值抑制,对含样本数较少的类别进行权值的加大,并使用UCI心脏心律失常数据集对ECG数据进行分类.实验结果表明,提出的算法和其他一些基于KNN的算法如KNN,DS-WKNN,DF-WKNN和KDF-WKNN相比,对于不平衡的心律失常数据集的分类有更好的效果.

关 键 词：心律失常 心电图 模式分类  K-近邻算法 不平衡数据集

分 类 号：TP181]