计算机应用

作者：秦静, 左长青, 汪祖民, 季长清, 王宝凤

单位：1. 大连大学 信息工程学院, 辽宁 大连 116622;2. 大连大学 物理科学与技术学院, 辽宁 大连 116622;3. 周口师范学院 网络工程学院, 河南 周口 466001

关键词：心电监测,模型融合,合成少数过采样技术,集成学习,机器学习

基金：国家自然科学基金资助项目（61702071）；辽宁省重点研发计划项目（2017104014）；辽宁省自然科学基金资助项目（20180551247）。

针对传统的人工监测心脏疾病的方法对资深医生的依赖性强，需要一定的先验知识，且其监测疾病的速度和准确性有待提高等问题，提出了一种基于堆叠分类器的心电（ECG）监测算法来用于心脏异常的判定。首先，将多种机器学习算法的优势相结合，通过叠加分类器的方式集成起来，从而弥补了单个机器学习算法学习的局限性；其次，使用合成少数过采样技术（SMOTE）对原有的数据集进行了数据扩充，使得各种疾病的数量持平从而增强数据的平衡性。通过在MIT-BIH数据集上与其他机器学习算法的结果进行比较评估，实验结果表明所提算法能够提高ECG异常监测的准确性。

来源：2021年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第3期