مقاله استخراج زیرباندهای بهینه تجزیه بسته موجک با روش پایه های جداکننده محلی بمنظور تشخیص بیماریهای دریچه ای قلب


در حال بارگذاری
12 سپتامبر 2024
فایل ورد و پاورپوینت
2120
6 بازدید
۶۹,۷۰۰ تومان
خرید

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله استخراج زیرباندهای بهینه تجزیه بسته موجک با روش پایه های جداکننده محلی بمنظور تشخیص بیماریهای دریچه ای قلب دارای ۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله استخراج زیرباندهای بهینه تجزیه بسته موجک با روش پایه های جداکننده محلی بمنظور تشخیص بیماریهای دریچه ای قلب  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله استخراج زیرباندهای بهینه تجزیه بسته موجک با روش پایه های جداکننده محلی بمنظور تشخیص بیماریهای دریچه ای قلب،به هیچ وجه بهم ریختگی وجود ندارد


بخشی از متن مقاله استخراج زیرباندهای بهینه تجزیه بسته موجک با روش پایه های جداکننده محلی بمنظور تشخیص بیماریهای دریچه ای قلب :

تعداد صفحات:۷

چکیده:

براساس روش پیشنهادی در این مقاله، حداقل زیرباندهای موثر از درخت کامل تجزیه WP که بیشترین تمایزپذیری میان صداهای قلب افراد سالم و بیماران دریچه ای را ایجاد می کنند، انتخاب می شوند. پس از استخراج ضرایب WP متناظر با سیگنالهای صدای قلب (PCG) توسط موجک مادر db6، پایه آور تونرمال بهینه با بیشترین قدرت تفکیک کنندگی بین دو کلاس سالم و بیمار را با استفاده از الگوریتم پایه های جداکننده محلی (LDB) انتخاب کردیم. سپس، زیرباندهایی از پایه انتخابی را که خارج از محدوده فرکانسی ۲۰ تا ۷۵۰ هرتز (متناظر با محدوده فرکانسی سیگنالهای PCG) قرار داشتند. حذف نمودیم. با محاسبه انرژی نرمالیزه شده ضرایب مربوط به زیرباندهای انتخاب شده بردار ویژگی بدست آمد. در مرحله بعد با کمک معیار فاصله فیشر، هر یک از ویژگیها را از لحاظ توان تفکیک کنندگی رتبه بندی کردیم. روش پیشنهادی برروی کلاس مختلف سیگنالهای PCG مربوط به ۳۰ فرد سالم و ۳۰ بیمار با نقص دریچه ای قلب ارزیابی نموده و ویژگیها را براساس رتبه شان به یک طبقه بندی کننده MLP اعمال کردیم نتایج حاصل نشان داد که میتوان با انتخاب ۲۱ زیرباند از درخت کامل WP به دقت ۹۴% رسید. با توجه به بومی بودن دادگان ثبت شده ، دقت بدست آمده قابل رقابت باکارهای مشابه است. این درحالی است که توانسته ایم ابعاد بردار ویژگی را بمیزان قابل قبولی کاهش دهیم.

  راهنمای خرید:
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.