عبداله احمدی - دانشکده فنی و حرفه ای محمودآباد کارشناس ارشد برق -الکترونیک
حسن زارع - دانشکده فنی و حرفه ای محمودآباد استادیار برق - قدرت

در این مطالعه، به منظور بهبود الگوی طبقه بندی آریتمی های قلبی، از تبدیل کسینوسی گسسته، تبدیل ویولت پیوسته و گسسته استفاده شده و انواع آنالیزهای سیگنال الکتروکاردیوگرام مقایسه می شوند . طبقه بندی کننده های تحت آزمایش، ماشین بردار پشتیبانی و شبکه های عصبی پرسپترون چند لایه می باشند . طبقه بندی برای چهار آریتمی مختلف و سیگنال الکتروکاردیوگرام نرمال انجام شده است .سه تکنیک استخراج ویژگی به طور جداگانه قبل از طبقه بندی به این مجموعه داده ها اعمال شده است .خروجی طبقه بندی کننده های فوق در عملکرد آموزش و تست مقایسه شده و نتایج نشان میدهد که انتخاب بهترین روش استخراج ویژگی به عملکرد و زمان آموزش و تست بستگی دارد . بطور کلی یافته های این تحقیق حاکی از آن است که خروجی طبقه بندی کننده شبکه های عصبی پرسپترون چند الیه با ویژگی های استخراج شده از تبدیل ویولت گسسته، باالترین صحت (9/99%) را داشته است.

تبدیل گسسته کسینوسی، تبدیل ویولت پیوسته، تبدیل ویولت گسسته، ماشین بردار پشتیبان.