В данной работе рассмотрены различные методы машинного обучения для решения задачи классификации. Был реализован алгоритм DTW для нахождения соответствия между двумя сигналами. Данная реализация используется в программном комплексе ЭКГ исследований компании НАО «Инкарт». С помощью реализованного алгоритма был построен классификатор QRS волн. Для построения классификатора был произведен подбор оптимальных параметров.

This paper discusses various machine learning methods for solving the classification problem. The DTW algorithm was implemented to find a correspondence between two signals. This implementation is used in the ECG research software package of the «Inkart» company. Using the implemented algorithm, a QRS wave classifier was built. To build the classifier, the optimal parameters were selected.

• ВВЕДЕНИЕ
• ГЛАВА 1. ПОСТАНОВКА ЗАДАЧИ КЛАССИФИКАЦИИ СИГНАЛОВ ПРИ ПРОВЕДЕНИИ КАРДИОЛОГИЧЕСКИХ ИССЛЕДОВАНИЙ
• 1.1. Общие понятия в ЭКГ
• 1.2. Виды QRS
• 1.3. Постановка задачи классификации QRS волн
• ГЛАВА 2. МЕТОДЫ КЛАССИФИКАЦИИ
• 2.1. Задача классификации
• 2.2. Методы машинного обучения
• 2.2.1. Метод опорных векторов (Support Vector Machine)
• 2.2.2. Метод Байеса (Naive Bayes)
• 2.2.3. Деревья принятия решений (Decision tree)
• 2.2.4. Метод k-Ближайших Соседей (k-Nearest Neighbors)
• 2.3. Классификация сигналов с применением алгоритма k-NN
• 2.3.1. Мера для вычисления расстояния между сигналами
• 2.3.2. Приемы для улучшения точности распознавания сигналов
• 2.4. Заключение
• ГЛАВА 3. КЛАССИФИКАЦИИ QRS ВОЛН С ПОМОЩЬЮ АЛГОРИТМА DTW
• 2
• 3
• 3.
• 3.1. Описание алгоритма DTW
• 3.2. Реализация алгоритма DTW
• 3.3. Построение k-NN классификатора с использованием алгоритма DTW
• 4
• 5
• ЗАКЛЮЧЕНИЕ
• БИБЛИОГРАФИЧЕСКИЙ СПИСОК