Name: Una Selezione Di Caratteristiche Basata Sul Segnale ECG Per La Classificazione Delle Disritmie (en Italiano)
SKU: 58119912
Price: 820.18 MXN
Availability: InStock
Author: C, Ganesh Babu ; Rajaguru, Harikumar ; M, Kalaiyarasi
ISBN: 9786203994896

portada Una Selezione Di Caratteristiche Basata Sul Segnale ECG Per La Classificazione Delle Disritmie (en Italiano)

Una Selezione Di Caratteristiche Basata Sul Segnale ECG Per La Classificazione Delle Disritmie (en Italiano)

Formato

Libro Físico

Autor

Harikumar Rajaguru

Kalaiyarasi M

Editorial

Edizioni Sapienza

Idioma

Italiano

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9x15.2x0.3 cm

Peso

0.09 kg.

ISBN13

9786203994896

Categorías

Sociedad y cultura: general

Una Selezione Di Caratteristiche Basata Sul Segnale ECG Per La Classificazione Delle Disritmie (en Italiano)

Harikumar Rajaguru (Autor) · Kalaiyarasi M (Autor) · Edizioni Sapienza · 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 "Una Selezione Di Caratteristiche Basata Sul Segnale ECG Per La Classificazione Delle Disritmie (en Italiano)"

L'aritmia si verifica quando non c'è un corretto funzionamento degli impulsi elettrici presenti nel cuore. Un rilevamento precoce del ritmo cardiaco irregolare è necessario per salvare la propria sopravvivenza. La classificazione dell'aritmia è necessaria per la diagnosi. Questa relazione conferisce l'analisi dei componenti principali come processo di riduzione delle caratteristiche per ridurre l'input ad alta dimensione senza influenzare i metodi di classificazione e due tecniche di selezione delle caratteristiche come Grey wolf optimizer (GWO), Particle swarm optimization (PSO), e Support Vector Machine (SVM) utile nella scelta delle caratteristiche con aritmia e resultswill essere utilizzato per la classificazione di varie aritmie. L'analisi delle prestazioni per queste tecniche di selezione delle caratteristiche è stimata. La maledizione della dimensionalità (cioè, dataset contenente un grande volume di caratteristiche) è risolta usando questi metodi di selezione delle caratteristiche. Il risultato esplora la metrica delle prestazioni per l'integrazione di tre metodi come PSO, GWO con SVO e mostra che PSO e GWO integrati con SVM hanno selezionato le caratteristiche con una precisione del 96,08%.