Name: Eine Auf Ekg-Signalen Basierende Merkmalsauswahl Zur Klassifizierung Von Herzrhythmusstörungen (en Alemán)
SKU: 58119848
Price: 820.18 MXN
Availability: InStock
Author: C, Ganesh Babu ; Rajaguru, Harikumar ; M, Kalaiyarasi
ISBN: 9786203994759

portada Eine Auf Ekg-Signalen Basierende Merkmalsauswahl Zur Klassifizierung Von Herzrhythmusstörungen (en Alemán)

Eine Auf Ekg-Signalen Basierende Merkmalsauswahl Zur Klassifizierung Von Herzrhythmusstörungen (en Alemán)

Formato

Libro Físico

Autor

Harikumar Rajaguru

Kalaiyarasi M

Editorial

Verlag Unser Wissen

Idioma

Alemán

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9x15.2x0.3 cm

Peso

0.09 kg.

ISBN13

9786203994759

Categorías

Sociedad y cultura: general

Eine Auf Ekg-Signalen Basierende Merkmalsauswahl Zur Klassifizierung Von Herzrhythmusstörungen (en Alemán)

Harikumar Rajaguru (Autor) · Kalaiyarasi M (Autor) · Verlag Unser Wissen · Tapa Blanda

Libro Nuevo Importado

Envío: 22 a 27 días háb.

$ 1,640.37$ 820.18

-50%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan 10 unidades

$ 820.18

¡Envío Gratis! Llega entre el 05 Oct y el 13 Oct a CUAUHTÉMOC, Ciudad de México. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Eine Auf Ekg-Signalen Basierende Merkmalsauswahl Zur Klassifizierung Von Herzrhythmusstörungen (en Alemán)"

Herzrhythmusstörungen treten auf, wenn die elektrischen Impulse im Herzen nicht richtig funktionieren. Eine frühzeitige Erkennung von Herzrhythmusstörungen ist notwendig, um das eigene Überleben zu sichern. Für die Diagnose ist eine Klassifizierung der Arrhythmie erforderlich. In diesem Bericht wird die Hauptkomponentenanalyse als Verfahren zur Merkmalsreduzierung eingesetzt, um hochdimensionale Eingaben zu reduzieren, ohne die Klassifizierungsmethoden zu beeinflussen. Zwei Verfahren zur Merkmalsauswahl wie Grey Wolf Optimizer (GWO), Particle Swarm Optimization (PSO) und Support Vector Machine (SVM) helfen bei der Auswahl von Merkmalen für Arrhythmie, und die Ergebnisse werden für die Klassifizierung verschiedener Arrhythmieformen verwendet. Die Leistungsanalyse für diese Merkmalsauswahltechniken wird geschätzt. Der Fluch der Dimensionalität (d. h. ein Datensatz, der eine gro e Anzahl von Merkmalen enthält) wird mit diesen Merkmalsauswahlverfahren gelöst. Das Ergebnis untersucht die Leistungsmetriken für die Integration von drei Methoden wie PSO, GWO mit SVO und zeigt, dass PSO und GWO integriert mit SVM Merkmale mit einer Genauigkeit von 96,08 % auswählen.