资源简介
本文档实现了对ECG信号的处理,通过小波变去噪与检测,以及特征提取,并进行神经网络的训练,对不同身份的人的ECG进行识别。代码可以立即运行。注释很详细。希望能够帮到大家。
代码片段和文件信息
clear all;
load testsample101.mat;
test101=testECG;
load testsample103.mat;
test103=testECG;
load testsample105.mat;
test105=testECG;
load testsample106.mat;
test106=testECG;
load testsample111.mat;
test111=testECG;
load trainsample101.mat;
train101=trainECG;
load trainsample103.mat;
train103=trainECG;
load trainsample105.mat;
train105=trainECG;
load trainsample106.mat;
train106=trainECG;
load trainsample111.mat;
train111=trainECG;
%训练样本
train_sample=[train101‘ train103‘ train105‘ train106‘ train111‘]; %21*25
%测试样本
test_sample=[test101‘test103‘test105‘test106‘test111‘];
%输出类别
t=[1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 4 4 4 4 4 5 5 5 5 5];
train_result=ind2vec(t);
test_result=ind2vec(t);
pr(1:211)=-1;
pr(1:212)=1;
net = newff(pr[215]{‘tansig‘ ‘purelin‘}‘traingdx‘‘learngdm‘);
net.trainParam.epochs=1000;
net.trainParam.goal=0.0002;
net.trainParam.lr=0.0003;
net = train(nettrain_sampletrain_result);
result_sim=sim(nettest_sample);
result_sim_ind=vec2ind(result_sim);
correct=0;
for i=1:length(t)
if result_sim_ind(i)==t(i);
correct=correct+1;
end
end
disp(‘正确率:‘);correct/length(t)
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 1184 2014-06-14 18:46 neural network\ECGclassification.m
文件 23206 2014-06-17 14:01 neural network\ECGDetectFinish.m
文件 832 2014-06-14 17:49 neural network\testsample101.mat
文件 802 2014-06-14 17:51 neural network\testsample103.mat
文件 845 2014-06-14 17:50 neural network\testsample105.mat
文件 770 2014-06-17 13:40 neural network\testsample106.mat
文件 803 2014-06-17 13:41 neural network\testsample111.mat
文件 770 2014-06-14 17:49 neural network\trainsample101.mat
文件 830 2014-06-14 17:51 neural network\trainsample103.mat
文件 775 2014-06-14 17:50 neural network\trainsample105.mat
文件 812 2014-06-17 13:40 neural network\trainsample106.mat
文件 797 2014-06-17 13:41 neural network\trainsample111.mat
文件 264 2014-06-17 14:02 neural network\程序相关解释.txt
目录 0 2014-06-17 14:31 neural network
----------- --------- ---------- ----- ----
32690 14
- 上一篇:北京地铁最新的shp文件
- 下一篇:openGl立方体纹理贴图
相关资源
- 基于改进的SOM神经网络在产品配置中
- 深度学习卷积神经网络可检测和分类
- 标量场理论的回归和生成神经网络
- 基于ARIMA、BP神经网络与GM的组合模型
- 车辆自适应神经网络编队控制
- 基于RBF神经网络在线辨识的永磁同步
- 基于BP人工神经网络的SmFeN永磁材料工
- 融合粗糙集和人工神经网络的产品敏
- 基于粗糙集神经网络的数据挖掘在门
- Google OCR API源代码和神经网络识别OC
- 信息融合、神经网络-模糊推理理论及
- 基于双隐含层BP神经网络的预测
- SOM神经网络 PPT
- 小波神经网络预测模型代码
- 基于PSO优化BP神经网络的水质预测研究
- 基于神经网络的时间序列预测方法
- BP神经网络算法逼近一个正弦函数
- Hopfield神经网络解决 TSP问题
- 基于神经网络的数字水印
- 基于概率神经网络的图匹配算法研究
- 基于神经网络的身份证号码识别算法
- 机器学习方法R实现-用决策树、神经网
- 基于神经网络及Logistic回归的混合信用
- 台湾大学李宏毅——超详细GAN对抗神
- 神经网络原理 Simon.Haykin 编——神经网
- 基于主成分分析与BP神经网络的雾天能
- 卷积神经网络的压缩和加速
- 脉冲耦合神经网络工具箱PCNN-toolbox
- 神经网络(一些算法论文)可以学习
- 基于BP神经网络的挖掘机液压系统故障
评论
共有 条评论