文件名称：elm分类器matlab代码-Online-dictionary-learning:在线词典学习
文件大小：155KB
文件格式：ZIP
更新时间：2024-06-10 08:33:48
系统开源
榆木分类器在线词典学习 这是在线稀疏字典学习和时间金字塔匹配的官方Matlab实现[“李南宇，司玉娟，邓铎，袁春雨ECG通过在线稀疏字典和时间金字塔匹配进行分类”，在IEEE第17届国际通信技术大会上（ICCT）]可以从中下载 兼容性 该代码使用Windows 10和Matlab 2012进行了测试。 抽象的 最近，单词袋（BOW）算法提供了有效的功能并提高了ECG分类系统的准确性。 但是，BOW算法有两个缺点：（1）。 量化误差大，重建性能差。 （2）。 它会丢失心跳的时间信息，并可能为不同类型的心跳提供令人困惑的功能。 此外，ECG分类系统可用于对心血管患者进行长时间监视和分析，同时会产生大量数据，因此我们迫切需要一种有效的压缩算法。 鉴于上述问题，我们使用小波特征构造稀疏字典，从而将量化误差降至最低。 为了降低算法的复杂性并适应大规模的心跳操作，我们将在线词典学习与特征符号算法结合起来以更新词典和系数。 系数矩阵用于表示心电图搏动，大大减少了内存消耗，同时解决了定量误差的问题。 最后，我们构造金字塔以匹配每个ECG搏动的系数。 因此，我们通过时间随机池获得包含节拍时间信息的特征。
【文件预览】：
Online-dictionary-learning-master
----ELMNorm.m(497B)
----PSOsvm.m(4KB)
----li2nsvm_multiclass_lbfgs.m(1KB)
----L1_cost.m(102B)
----elm_kernel_test.m(3KB)
----li2nsvm_lbfgs.m(2KB)
----signal_pooling.m(2KB)
----Sc_Dic_learing.m(2KB)
----oneofc.m(1KB)
----retr_database_dir.m(2KB)
----LLC_coding_appr.m(2KB)
----config_file_16_100.m(1KB)
----adjustKSVD.m(1KB)
----res_data.m(312B)
----oneofc_inv.m(1KB)
----grids.mat(331B)
----Online_DL.m(1KB)
----lbfgs2.m(4KB)
----mexTrainDL.mexw64(206KB)
----li2nsvm_multiclass_fwd.m(321B)
----get_non_Coeff.m(873B)
----README.md(3KB)
----fobj_basis_dual.m(934B)
----mypso.m(4KB)
----KSVD.m(12KB)
----regurgitate.m(2KB)
----LLC_pooling.m(2KB)
----series_transform.m(198B)
----mexLasso.mexw64(179KB)
----a_B_restruction.m(2KB)
----lineSearchWolfe.m(4KB)
----L1QP_FeatureSign_yang.m(2KB)
----li2nsvm_grad.m(2KB)
----elm_kernel_train.m(3KB)
----LLC_Test.m(7KB)
----do_sparse_coding.m(3KB)
----PSO.m(401B)
----feature_sign.m(3KB)