ساناز احمدزاده - دانشگاه آزاد اسلامی واحد مشهد ایران
سیده زینب طالب زاده - دانشگاه آزاد اسلامی واحد مشهد ایران
رضا یعقوبی کریموی - دانشگاه آزاد اسلامی واحد مشهد ایران
مهدی یعقوبی - دانشگاه آزاد اسلامی واحد مشهد ایران

دراین مطالعه به منظوربهبود الگوی طبقه بندی دراریتمی های قلبی با استفاده ازتبدیل کسینوسی گسسته تبدیل ویولت پیوسته و تبدیل ویولت گسسته انواع انالیزهای سیگنال الکتروکاردیوگرام مقایسه میشوند طبقه بندی کننده تحت ازمایش شبکه های عصبی پرسپترون چندلایه است و طبقه بندی برای چهاراریتمی مختلف و برای سیگنال الکتروکاردیوگرام نرمال انجام شدها ست خروجی طبقه بندی کننده شبکه های عصبی پرسپترون چندلایه درعملکرداموزش و تست مقایسه شده و سه تکنیک استخراج ویژگی بطورجداگانه قبل ازطبقه بندی به این مجموعه داده ها اعمال شده است نتایج نشان میدهد که انتخاب بهترین روش استخراج ویژگی به عملکردوزمان اموزش و تست بستگی دارد بطورکلی یافته های این تحقیق نشان میدهد که طبقه بندی کننده توسعه یافته باویژگی های استخراج شده ازتبدیل ویولت گسسته بالاترین صحت 99/9درصد راداشته است

تبدیل ویولت پیوسته، تبدیل ویولت گسسته، تبدیل گسسته کسینوسی