UMA SELEÇÃO DE CARACTERÍSTICAS BASEADA NO SINAL ECG PARA CLASSIFICAÇÃO DE DISRITMIA

A arritmia ocorre quando não há um funcionamento adequado dos impulsos elétricos presentes no coração. Uma detecção precoce do ritmo cardíaco irregular é necessária para resgatar a sobrevivência dos mesmos. A classificação da arritmia é necessária para o diagnóstico. Este relatório confere à análise de componentes Princípio como processo de redução de características para reduzir a entrada de altas dimensões sem influenciar os métodos de classificação e duas técnicas de seleção de características como o Grey wolf optimizer (GWO), Particle swarm optimization (PSO) e Support Vector Machine (SVM) úteis na escolha de características com arritmia e os resultados serão utilizados para a classificação de várias arritmias. A análise de desempenho para estas técnicas de seleção de características é estimada. A maldição da dimensionalidade (ou seja, conjunto de dados contendo grande volume de recursos) é resolvida usando estes métodos de seleção de recursos. O resultado explora as métricas de desempenho para integração de três métodos como PSO, GWO com SVO e mostra que PSO e GWO integrados com características selecionadas SVM com 96,08% de precisão.