文献

J-GLOBAL ID：201802226071226737   整理番号：18A0536374

アンサンブル経験的モード分解とTeagerエネルギー演算子を用いた心電図に基づく改善されたヒト同定法【Powered by NICT】

Improved human identification method based on electrocardiogram using ensemble empirical mode decomposition and Teager Energy Operator

著者 (4件)： Deng Yanjun (School of Communication Engineering Hangzhou Dianzi University Hangzhou 310018, China) ,  Zhao Zhidong (Hangdian Smart city research center of Zhejiang Province Hangzhou Dianzi University Hangzhou 310018, China) ,  Zhang Yefei (School of Communication Engineering Hangzhou Dianzi University Hangzhou 310018, China) ,  Chen Diandian (College of Information Engineering China Jiliang University Hangzhou 310018, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CISP-BMEI  ページ： 1-6  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本研究の目的は,心電図(ECG)信号の個々の同定のためのバイオメトリックシステムを開発することである。ECG信号では,ヒトからヒトへ変化し,個々の同定のための新しいバイオメトリックとして用いることができる。本論文では,雑音と心拍数からの影響を除去するためのロバストな前処理ステージを提案した。Teager Energy Operator(TEO)によるアンサンブル経験的モード分解(EEMD)として知られる新しい特徴抽出技術を導出し,新しいECG特徴ベクトルを生成するために使用する。次元縮小法主成分分析(PCA)を,分類の前に特徴空間を低減した。最後に,K-最近傍(KNN)およびサポートベクトルマシン(SVM)アルゴリズムを分類器として選んだ。提案した方法は,三つの公共データベースからの40人の被験者での実験により検証した実験結果は認識率はそれぞれKNNとSVM分類器を用いて95.5%と97.5%を達成することを示した。心拍数の大きな変化のため,強い安定性を示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： アルゴリズム ,  特徴抽出 ,  心拍 ,  次元縮小 ,  ロバスト性 ,  *心電図 ,  *ヒト ,  雑音 ,  サポートベクトルマシン ,  主成分分析
準シソーラス用語： SVM分類 ,  認識率 ,  特徴空間 ,  特徴ベクトル ,  *アンサンブル経験的モード分解 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： アンサンブル経験的モード分解 ,  エネルギー ,  演算子 ,  心電図 ,  ヒト ,  同定法