<?xml version='1.0' encoding='UTF-8'?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName>موسسه انتشارات بین المللی چتر اندیشه</PublisherName>
      <JournalTitle>فصلنامه مدیریت مهندسی و تحول دیجیتال</JournalTitle>
      <Issn>3092-7609</Issn>
      <Volume>1</Volume>
      <Issue>1</Issue>
      <PubDate PubStatus="epublish">
        <Year></Year>
        <Month></Month>
        <Day></Day>
      </PubDate>
    </Journal>

    <ArticleTitle>ترکیب خوشه‌بندی و تئوری فازی جهت بهبود طبقه بندی سیگنال‌های  ECG</ArticleTitle>
    <VernacularTitle>ترکیب خوشه‌بندی و تئوری فازی جهت بهبود طبقه بندی سیگنال‌های  ECG</VernacularTitle>
    <FirstPage>46</FirstPage>
    <LastPage>55</LastPage>
    <ELocationID EIdType="doi">10.22051/jera.2021.31891.2698</ELocationID>
    <Language>FA</Language>

    <AuthorList>
      <Author>
        <FirstName>پریسا</FirstName>
                <Affiliation></Affiliation>
      </Author>
    </AuthorList>

    <PublicationType></PublicationType>

    <History>
      <PubDate PubStatus="received">
        <Year></Year>
        <Month></Month>
        <Day></Day>
      </PubDate>
    </History>

    <Abstract>الکترو دیاگرام یکی از تکنیک های مفید در راستای نظارت بر قلب افراد را فراهم می کند که از طریق آنالیز ویژگی های استخراج شده از سیگنال های ECG می توان به انواع نارسایی های قلبی پی برد . یکی از مسائل متداول در این ضمینه ، سیستم هایی برای طبقه بندی این سیگنال ها می باشد.
در این مقاله، یک روشی جدید طبقه بندی سیگنال ECG با استفاده از ترکیب خوشه بندی و تئوری فازی جهت افزایش حساسیت طبقه بندی سیگنال ارائه می شود. به عبارت دیگر، در این تحقیق روشی برای تشخیص بیماری های قلبی ارائه شده که بردارهای ویژگی بر اساس ویژگی انرژی تجزیه ویولت به دست آمده و دسته بندی کننده ELM آموزش دیده و ساخته می شوند. ELM دسته بندی صحیح بردارهای ویژگی را آموخته و سعی می کند سیگنال های قلب را به درستی دسته بندی نماید. ارزیابی عملکرد روش پیشنهادی و مقایسه آن با کارهای پیشین عملکرد مناسب روش پیشنهادی را نشان داد..</Abstract>
    <OtherAbstract Language="FA">الکترو دیاگرام یکی از تکنیک های مفید در راستای نظارت بر قلب افراد را فراهم می کند که از طریق آنالیز ویژگی های استخراج شده از سیگنال های ECG می توان به انواع نارسایی های قلبی پی برد . یکی از مسائل متداول در این ضمینه ، سیستم هایی برای طبقه بندی این سیگنال ها می باشد.
در این مقاله، یک روشی جدید طبقه بندی سیگنال ECG با استفاده از ترکیب خوشه بندی و تئوری فازی جهت افزایش حساسیت طبقه بندی سیگنال ارائه می شود. به عبارت دیگر، در این تحقیق روشی برای تشخیص بیماری های قلبی ارائه شده که بردارهای ویژگی بر اساس ویژگی انرژی تجزیه ویولت به دست آمده و دسته بندی کننده ELM آموزش دیده و ساخته می شوند. ELM دسته بندی صحیح بردارهای ویژگی را آموخته و سعی می کند سیگنال های قلب را به درستی دسته بندی نماید. ارزیابی عملکرد روش پیشنهادی و مقایسه آن با کارهای پیشین عملکرد مناسب روش پیشنهادی را نشان داد..</OtherAbstract>

    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">بیماری قلبی، طبقه بندی سیگنال، خوشه بندی، تئوری فازی</Param>
      </Object>
    </ObjectList>

    <ArchiveCopySource DocType="pdf">/downloadfilepdf/37466</ArchiveCopySource>
  </Article>
</ArticleSet>
