بهبود طبقه بندی سیگنال الکتروکاردیوگرام(ecg)باماشین بردارپشتیبان و بهینه سازی اجتماع ذرات (pso-svm)
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی (نوشیروانی) بابل - دانشکده مهندسی برق و کامپیوتر
- نویسنده حسین زمانی پاشاکی
- استاد راهنما محمدرضا کرمی
- سال انتشار 1393
چکیده
هوشمندسازی فرآیند تشخیص دقیق بیماریهای قلبی مساله ای است که سال ها مورد توجه پژوهشگران قرار گرفته است. در این تحقیق روشی کارآمد جهت گزینش ویژگی های مناسب استخراج شده از سیگنال ecg، بر پایه ی الگوریتم باینری فاخته (bcoa) ارائه شده است. ویژگی های استخراج شده شامل ویژگی های زمانی، ar و ضرایب موجک است که تعداد این ویژگی ها با استفاده از عملگر mrmr یا pca کاهش داده می شود bcoa ، مجموعه هایی از ویژگی تشکیل می دهد و همواره در پی یافتن مجموعه ای شایسته از تمامی ویژگی ها است. ارزیابی این مجموعه از ویژگی های ا نتخاب شده توسط bcoa با اعمال به طبقه بند svm بررسی می شود. سپس الگوریتم pso جهت بهینه سازی پارامترهای svm اعمال می شود. صحت کلی سیستم برای شناسایی 6 نوع ریتم قلبی %97/98 به دست آمد که در مقایسه دقت حاصل شده با پژوهش های پیشین، کارایی مطلوب روش پیشنهادی را تایید می کند..
منابع مشابه
بررسی عملکرد دو الگوریتم ژنتیک (GA) و اجتماع ذرات (PSO) در بهینه سازی مسئله CGAM
نوشتار حاضر به مدلسازی ترمودینامیکی یک نیروگاه توربین گازی با توان تولیدی MW ۳۰ و (kg/s) ۱۴ بخار اشباع در فشار bar ۲۰ پرداخته است. این سیستم معروف به مسئله CGAM است. در مسئله‌ی CGAM تابع هدف شامل مجموع هزینه‌ی سرمایه‌گذاری و همچنین هزینه‌ی سوخت مصرفی است. در این نوشتار بهینهسازی با کمینه‌سازی تابع هدف و نیز به‌کارگیری الگوریتم ژنتیک و الگوریتم اجتماع ذرات به‌کمک نرم‌افزار متلب انجا...
متن کاملتخمین حالت در شبکه های توزیع برق بر مبنای بهینه سازی اجتماع ذرات دو حلقه ای جهش یافته (DLM-PSO)
This paper presents a novel algorithm based on particle swarm optimization (PSO) to estimate the states of electric distribution networks. In order to improve the performance, accuracy, convergence speed, and eliminate the stagnation effect of original PSO, a secondary PSO loop and mutation algorithm as well as stretching function is proposed. For accounting uncertainties of loads in distributi...
متن کاملبهینه سازی سیکل ترکیبی با استفاده از الگوریتم های ژنتیک(GA) و بهینه سازی دسته ذرات(PSO)
چکیده: در این مقاله، سیکل ترکیبی بصورت کامل مدلسازی شده و پس از تحلیل انرژی و اگزرژی، تابع برازش مناسب تعریف و بهینه سازی آن توسط الگوریتم های ژنتیک و بهینه سازی دسته ذرات انجام شده است. لازم به ذکر است سیکل های ترکیبی از طراحی پیچیدهای برخوردار بوده و اعمال هر تغییر در طراحی، بر متغیرهای زیادی به صورت مستقیم و غیر مستقیم تاثیر گذار میباشد. اگرچه در گذشته تلاشهای زیادی به منظور بهینه سازی تک ...
متن کاملبهینه سازی مخازن بتنی نیمه مدفون نگهدارنده سیالات توسط الگوریتم اجتماع ذرات و غلاف تقویتی منشوری
مخازن بتنی یکی از سازه‌های مهم در نگهداری سیالات به منظور ذخیره‌سازی و استفاده در شبکههای انتقال سایلات می‌باشند. این مخازن مستطیلی معمولا دارای اشکال ثابتی بوده و با توجه به میزان دبی ورودی، شرایط زمین ساختگاه، نوع بار استاتیکی و دینامیکی طراحی و محاسبه می‌گردند. در این تحقیق بر اساس آنالیزهای انجام شده در ابتدا المان‌های جداره‌های مخزن تیپ شده و سپس میزان دامنه ضخامت پوسته و سطح مقطع میل...
متن کاملتخمین حالت در شبکه های توزیع برق بر مبنای بهینه سازی اجتماع ذرات دو حلقه ای جهش یافته (dlm-pso)
چکیده: در این مقاله روشی جدید بر مبنای الگوریتم بهینهسازی اجتماع ذرات جهت تخمین حالت در شبکههای توزیع برق پیشنهاد میشود. جهت بالا بردن کارایی، دقت، سرعت همگرایی به پاسخ و جلوگیری از نوسانی شدن الگوریتم اجتماع ذرات اصلی، حلقه دوم اجتماع ذرات بعلاوه الگوریتم جهش به همراه تابع ایزولاسیون ارایه میشود. به منظور در نظر گرفتن عدم قطعیت بارها در شبکههای توزیع ، مدلشده به صورت اکتیو و راکتیو، اندا...
متن کاملFeature Selection using PSO-SVM
method based on the number of features investigated for sample classification is needed in order to speed up the processing rate, predictive accuracy, and to avoid incomprehensibility. In this paper, particle swarm optimization (PSO) is used to implement a feature selection, and support vector machines (SVMs) with the one-versus-rest method serve as a fitness function of PSO for the classificat...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی (نوشیروانی) بابل - دانشکده مهندسی برق و کامپیوتر
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023