您当前的位置：
首页 >
文章列表页 >
基于卷积神经网络的脉搏波时频域特征混叠分类
计算机科学与技术 | 更新时间：2025-05-26
上一篇|下一篇

    • 基于卷积神经网络的脉搏波时频域特征混叠分类

    • Pulse wave signal classification algorithm based on time⁃frequency domain feature aliasing using convolutional neural network

    • “在脉搏波信号识别领域，专家提出了一种低复杂度分类算法，通过CNN提取时域特征，结合小波变换频域特征，实现脉搏波分类，准确率达93%。”
    • 刘国华 ，周文斌
    • 吉林大学学报（工学版） 2020年50卷第5期 页码：1818-1825
    • 作者机构：

      1.南开大学 电子信息与光学工程学院，天津 300350

      2.南开大学 光电传感器与传感网络技术重点实验室，天津 300350

    • 作者简介：

      刘国华（1964-）,男，教授，博士.研究方向：人工智能医学诊疗,生物医学检测技术.E-mail:liugh@nankai.edu.cn

    • 基金信息：
      中央高校基本科研业务费专项项目

    • DOI： 10.13229/j.cnki.jdxbgxb20190504     

      中图分类号：

    移动端阅览

  •  
  •  

  • AI导读

  • HTML全文

  • 图( 6 ) 表( 7 )

  • 参考文献

  • 出版信息

  • 数据统计

11

浏览量

10

下载量

2

CSCD

文章被引用时，请邮件提醒。
提交
工具集
  • BibTeX下载
  • Endnote下载
  • RefMan 下载
  • NoteExpress下载
  • NoteFirst下载

相关文章

基于多尺度注意力融合和卷积神经网络的水下图像恢复
基于深度学习的编码孔径光谱成像重构算法
基于卷积神经网络的联合估计图像去雾算法
双通道单图像超分辨率卷积神经网络
基于深度学习的无线传感器网络流量异常检测

相关作者

王德兴
吴若有
袁红春
宫鹏
王越
蒋伊琳
张建峰
吴进

相关机构

上海海洋大学 信息学院
哈尔滨工程大学 信息与通信工程学院
辽宁生态工程职业学院 信息工程学院
西安电子科技大学 综合业务网理论及关键技术国家重点实验室
湖南大学 电气与信息工程学院