您的位置: 专家智库 > >

四川师范大学数学与软件科学学院数学研究所

作品数:7 被引量:40H指数:5
相关作者:漆进更多>>
相关机构:西南民族大学计算机科学与技术学院更多>>
发文基金:国家自然科学基金四川省教育厅科学研究项目四川省青年科技基金更多>>
相关领域:自动化与计算机技术理学医药卫生更多>>

文献类型

  • 7篇中文期刊文章

领域

  • 3篇自动化与计算...
  • 2篇医药卫生
  • 2篇理学

主题

  • 3篇神经网
  • 3篇神经网络
  • 2篇心电
  • 2篇网络
  • 2篇网络结合
  • 2篇QRS波
  • 2篇QRS波检测
  • 2篇粗糙集
  • 2篇粗集
  • 1篇单调性
  • 1篇等价
  • 1篇等价条件
  • 1篇电图
  • 1篇心电图
  • 1篇心电信号
  • 1篇心律
  • 1篇心律失常
  • 1篇心脏
  • 1篇心脏病
  • 1篇学习算法

机构

  • 7篇四川师范大学
  • 1篇西南民族大学

作者

  • 6篇莫智文
  • 4篇漆进
  • 2篇胡丹
  • 1篇赵国
  • 1篇汪明义

传媒

  • 3篇模式识别与人...
  • 1篇四川大学学报...
  • 1篇生物医学工程...
  • 1篇第三军医大学...
  • 1篇工程数学学报

年份

  • 1篇2005
  • 1篇2003
  • 3篇2002
  • 2篇2001
7 条 记 录,以下是 1-7
排序方式:
关于极大内射性的注记(英文)被引量:10
2005年
环R上的右R-模E称为极大内射模,如果对每个极大右理想m,任何右R-模同态f:m→E都能扩张成右R-模同态f′:R→E.在本文中,作者应用极大内射模和函子Ext将内射维数推广到极大内射维数,并证明其为单模的投射维数的上确界.然后详细地考察了其特征模为极大内射模的一类模,揭示了这类模与关于Von Neumann正则环的Ramamurthi问题的内在联系,给出了关于Ramamurthi问题的部分结果.
赵国汪明义
关键词:自内射环平坦模
基于规则提取的粗-模糊神经网络及其应用被引量:10
2001年
本文基于粗集理论中模糊类对给定范畴的隶属度,给出了一种利用决策表进行规则提取的新方法LBR(Learning By Rough sets),并在此基础上提出了一种新的粗-模糊神经网络(RFNN)模型,以降水量预测为例,得到了很好的拟合效果,从而具有广泛的应用前景。
胡丹莫智文
关键词:模糊集粗集理论学习算法
基于改进的快速LADT和神经网络结合的QRS波检测方法被引量:8
2003年
目的 研究QRS波的具有较高正确率的识别方法。方法 本研究用一种改进的快速LADT新方法 ,并结合神经网络检测ECG信号的QRS波。结果 经MIT BIH心电数据库检验表明 :QRS波正确识别率高 ,实时性好。
漆进莫智文
关键词:心电信号QRS波检测神经网络
知识粗糙性的零等价条件被引量:8
2001年
讨论了知识粗糙性的等价条件 ,证明了知识粗糙性与条件熵为零等价 ,同时还证明了互信息对知识粗糙性定义的偏序“较细”是单调下降的。从而揭示了知识粗糙性与条件熵的密切联系。
漆进莫智文
关键词:粗糙集理论知识粗糙性互信息条件熵单调性
心电图的数组化及其在QRS波检测中的应用被引量:3
2002年
提出用折线拟合心电图 ,将心电图数组化 ,通过分析数组 ,来体现 QRS波与非 QRS波部分的特征 ,结合有噪声部分和没有噪部分来分析有噪声部分。该方法经 MIT/ BIH标准心电数据库检测验证 ,QRS波正确检测率高达 99.9%。该方法在体现心电图的整体特征方面具有创造性和可行性 ,能达到准确识别复杂波形的目的。
漆进莫智文
关键词:心电图QRS波基元
基于粗糙集与神经网络结合的室性QRS波分类方法的研究被引量:6
2002年
提出了一种新的室性QRS波分类方法.该方法通过提取反映QRS波形态的特征,获得QRS波形态知识库,运用粗集理论获取最小决策算法,并据此设计神经网络,最后用该网络对室性QRS波进行分类.该方法经MIT心电数据测试表明,室性QRS波正确分类率达99.8%.
漆进莫智文
关键词:粗糙集神经网络室性心律失常心脏病
基于粗集的规则提取LBR和LEM3被引量:4
2002年
本文基于粗集理论,提出了一种新的规则提取法LBR(Learning By Rough Sets),并对LBR与另一种已有的规则提取法LEM1,即全局覆盖算法(global covering algorithm)进行了比较和讨论.基于比较的结果,得出了将LEM1改进后的LEM3.LBR不但可用于普通的决策表规则提取,更多地可应用于基于模糊划分的规则提取.LBR的提出,极大地简化和丰富了规则提取算法,在已知数据中可获取更为丰富的信息量.而LEM3的使用,则是在将"依赖"(depend on)这一概念推广的基础上,更灵活地使用"覆盖"(covering),扩大了获取规则的范围.LBR和LEM3因其各自不同的优点,在数据挖掘和智能领域均具有广泛的应用前景.
胡丹莫智文
关键词:粗集LBR决策表人工智能
共1页<1>
聚类工具0