模糊聚類技術在心電波形分類中的應用研究.pdf

1、心血管疾病是當今危害人類健康的主要疾病之一，心電圖檢查是臨床上診斷心血管疾病的重要方法。心電圖準確的自動分類對于心血管疾病的診斷起著關鍵作用。 聚類分析是非監(jiān)督模式識別的一個重要分支，它是用數學的方法研究和處理給定對象分類。
　　 模糊聚類建立在樣本對于類別的不確定性描述的基礎上，更能客觀的反映現實世界，從而成為聚類分析研究的主流，并在許多領域得到了廣泛的應用。目前，已提出了許多模糊聚類算法，其中最常用的是基于目標函數的模糊c-

2、均值聚類算法(FCM)。針對此算法中存在的需要聚類先驗知識的問題，采用SOM神經網絡算法作為FCM算法的先導級，先將樣本經過SOM 神經網絡的訓練，得到聚類類別數，但此方法得到的類別數與實際結果存在較大偏差。因此提出了一種改進方法，即將SOM 神經網絡、優(yōu)化的系統(tǒng)聚類法和FCM算法相結合的聚類方法。首先對系統(tǒng)聚類法進行優(yōu)化，然后使用優(yōu)化后的系統(tǒng)聚類法分析SOM 神經網絡初始分類的結果，最終得到更合理的聚類類別數和聚類中心，將此聚類數和聚