بهنام فرزام - دانشجوی کارشناسی ارشد برق-مخابرات، موسسه آموزش عالی خاوران، مشهد، ایران
جلیل شیرازی - استادیار موسسه آموزش عالی خاوران، گروه برق- مخابرات، مشهد، ایران

در این مقاله با استفاده از ویژگیهای ضرائب کپسترال مبتنی بر معیار مل دستهبندی تعدادی از بیماریهای قلبی انجام شده است. صدای قلب سالم و صدای تعداد 4 بیماری که هر یک دارای ویژگیهای خاصی هستند از منبع داده دانشگاه میشیگان انتخاب شده است. پس از جداسازی سوفلهای قلبی از هر ضربان قلب، ضرایب کپسترال مبتنی بر معیار مل برای هر کلاس، به عنوان بردارهای ویژگی محاسبه شده و روش ماشین بردار پشتیبان برای دستهبندی بیماریها به کار برده شده است. دقت تشخیص این دسته بندی برابر 9.2% میباشد که نتایج نشان دهنده دقت، اعتبار و توانایی بالا در عملکرد روش میباشد

قلب، کپسترال، سوفل MFCC ،SVM