基于EMD自适应重构的心音信号特征筛选及分类
基于EMD自适应重构的心音信号特征筛选及分类
复制标题
DOI：
10.16289/j.cnki.1002-0837.2020.06.009
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
郑永康
中科院分区：
文献类型：
--
作者：
王彬蓉;王维博;周超;房玉;郑永康
目的应用经验模态分解(EMD)和特征筛选算法对心音信号的分类进行研究,以有效区分心脏瓣膜缺损与正常状态的心音。方法针对心音信号采用EMD获取多层固有模态函数(IMF),结合相关系数准则和均方根误差分析法,提出了基于自适应阈值确定IMF分量进行重构的方法。分别采用3种特征筛选算法:基于交叉验证的递归特征消除方法(RFECV)、基于最大互信息系数和基于最大相关最小冗余特征筛选方法,对重构信号提取多维特征进行排序选择。结果利用随机森林法对现有特征数据集进行分类,RFECV法筛选出的特征子集分类准确率优于其余2种筛选方法,在选取15维特征的情况下最优准确率为98.28%。结论通过EMD自适应重构结合基于RFECV的特征子集提取方法降维效果显著,且分类效果较好,具有实际应用意义。