【出 处】：《 计算机仿真 》 CSCD 2014年第31卷第7期 243-246页,共4页

【作 者】： 易铭 [1,2] ; 郁磊 [3] ; 王计平 [3] ; 方强 [3]

【摘 要】 在心律失常分类问题的研究中，将神经网络、支持向量机用于移动设备平台的室性心律失常分类时，针对数据量大导致的训练时间长、分类时间长的问题，提出了激活函数改进的岭回归极限学习机（Extreme Learning Machine，ELM）算法，以岭回归极限学习机为基础，对激活函数进行多种改进尝试。以训练时间和分类准确率等为性能指标，对比不同激活函数，以及多种分类算法，证明改进后的岭回归极限学习机算法能够快速、准确地针对室性心律失常进行分类，速度与准确性优于其它几种算法。