نام پژوهشگر: حسین زمانی پاشاکی

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 1393
  حسین زمانی پاشاکی   محمدرضا کرمی

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..