提出一种基于深度置信网络（DBN）的心电信号分类方法。在对心电信号进行滤波等预处理后，构建一个DBN，由高斯-伯努利和伯努利-伯努利两种受限玻尔兹曼机（RBM）叠加而成。预训练阶段通过对比散度（CD）算法来学习RBM参数。权值微调阶段，在DBN顶部添加一个Softmax输出层，使用反向传播算法来执行有监督的微调。使用MIT-BIH心律失常数据库对DBN进行训练和测试，实验结果表明，和传统的人工设计方法相比，该方法在心电信号分类上性能更佳。
科研之友
微信
新浪微博
Facebook
分享链接
