CLASSIFICATION OF EKG SIGNALS USING ROUGH SETS THEORY | Zendy

Sedat Telçeken | Zendy; Rasim Çekіk | Zendy

AI Assistant Blog Pricing

Home ZAIA Blog

Open Access

CLASSIFICATION OF EKG SIGNALS USING ROUGH SETS THEORY

Author(s) -

Sedat Telçeken,

Rasim Çekіk

Publication year - 2015

Publication title -

anadolu university journal of science and technology- a - applied sciences and engineering :

Language(s) - Turkish

Resource type - Journals

ISSN - 2146-0205

DOI - 10.18038/btd-a.13841

Subject(s) - rough set , pattern recognition (psychology) , artificial intelligence , computer science

Kaba kumeler teorisi (KKT), bulanik kumeler gibi uzman sistemler icin analiz ve bilgi cikariminda kullanilan kural tabanli bir yontemdir. Kaba kumeler eksik, tutarsiz ve belirsiz veri kumelerini duzenleyerek degerlendirme icin uygun hale getirmektedir. Bu calisma EKG sinyallerini, kaba kumeler teorisi tabanli yeni bir modele gore siniflandirmayi onerir. Eksik, gereksiz ve tutarsiz veri kumeleri gunumuzde en cok hastalik verilerinde karsimiza cikmaktadir. Bu veri kumelerinden dogru kural cikarmak veya bu veri kumelerini dogru siniflandirmak, hastalik teshisinde son derece onemlidir. EKG sinyallerinin verilerinin bulundugu veri kumesine ongorulen modelin uygulanmasi, siniflandirmada calisma zamaninda iyilestirmeyi saglamistir. Ayrica bu calisma ile en az parametre kullanarak, doktorlarin daha hizli ve erken teshisine yardimci olacak bir model olusturulmustur. Bu model ile EKG sinyalleri % 85 yakin bir dogruluk ile siniflandirilmistir.

The content you want is available to Zendy users.

Already have an account? Click here to sign in.

Having issues? You can contact us here

Accelerating Research