信號處理--基于CNN-LSTM的心電信號的分類識別

本文為課程設(shè)計專題的一個小項目,實現(xiàn)了傳統(tǒng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)對于心電信號的分類。在本文中,心電信號主要劃分為5類:非異位波動,上腹異位搏動,心室異位搏動,融合搏動,未知搏動。使用的心電信號為私有數(shù)據(jù)集。
1 加載特定的庫函數(shù)
2 加載心電信號
3 數(shù)據(jù)可視化
3.1 繪制非正常心電信號

3.2 繪制正常心電信號

3.3 查看數(shù)據(jù)集中各個類別的分布情況

4 數(shù)據(jù)預(yù)處理
5 正常心電信號和非正常信號的可視化對比


6 數(shù)據(jù)增強(qiáng)
由于數(shù)據(jù)類別分布不均,所以需要加入數(shù)據(jù)增強(qiáng)
6.1 重新查看數(shù)據(jù)的類別分布

6.2 制作訓(xùn)練 X & Y 變量
6.3 數(shù)據(jù)集劃分
7 搭建分類模型
使用隨機(jī)森林,支持向量機(jī),卷積神經(jīng)網(wǎng)絡(luò)三個模型進(jìn)行數(shù)據(jù)分類。主要步驟包括,模型實例初始化,模型訓(xùn)練,在模型訓(xùn)練完以后,將模型用于數(shù)據(jù)測試。
7.1 卷積神經(jīng)網(wǎng)絡(luò)
7.1.1 模型搭建

7.1.2 模型訓(xùn)練


7.1.3 模型訓(xùn)練loss和準(zhǔn)確率可視化



7.2 隨機(jī)森林
7.3 支持向量機(jī)
8 結(jié)果預(yù)測可視化