جستجوی مقالات مرتبط با کلیدواژه
تکرار جستجوی کلیدواژه fuzzy classifier در نشریات گروه فنی و مهندسی
fuzzy classifier
در نشریات گروه برق
تکرار جستجوی کلیدواژه fuzzy classifier در مقالات مجلات علمی
-
Circuit Breakers (CBs) are critical components in power system for reliability and protection. To assure their accurate performance, a comprehensive condition assessment is of an imminent importance. Based on dynamic resistance measurement (DRM), this paper discusses a simple yet effective fuzzy approach for evaluating CBs electrical contacts condition. According to 300 test results obtained from healthy and three defected electrical contacts, the authors describe the special effect of common failures on DRM characteristics and propose seven deterioration indicators. Using these parameters, a fuzzy classifier is suggested to accurately determine contact sets condition. The salient advantage of the proposed model is its capability to recognize the type of contact failure. The feasibility and effectiveness of the proposed scheme has been validated through 40 real life recorded data of some electrical contacts.Keywords: Condition assessment, Circuit Breaker (CB), Electrical contact, Dynamic Resistance Measurement (DRM), Fuzzy logic, Fuzzy classifier
-
سیگنال الکتروکاردیوگرام (ECG) معمول ترین روش غیرتهاجمی برای بررسی سلامتی قلب یا تشخیص احتمالی بیماری های قلبی است. مطالعات نشان می دهد سیگنال ECG یک ساختار خطی ساده ندارد بلکه دارای مولفه های غیرخطی است. در این مقاله سیگنال ECG به عنوان یک سری زمانی در نظر گرفته شده است و شاخص های غیرخطی آشوبی مانند بزرگ ترین نمای لیاپانوف () و بعد همبستگی (D2) از سیگنال ECG برای افراد سالم و بیمار استخراج می شود. در این راستا الگوریتم های مناسب جهت استخراج پارامترهای لازم برای بازسازی فضای حالت و نیز محاسبه بزرگ ترین نمای لیاپانوف و بعد همبستگی از روی سیگنال ECG با ملاحظات مربوطه ارائه می گردد. سپس با استفاده از طبقه بندی کننده فازی امکان تفکیک افراد سالم و بیمار، براساس شاخص های آشوبی محاسبه شده بررسی می شود. داده ها از پایگاه داده های MIT-BIH گرفته شده است و مقایسه نتایج برای سه گروه شامل افراد با ریتم قلبی سالم (NSR)، بیماران فیبریلاسیون دهلیزی (AF) و بیماران انسداد دسته شاخه چپ (LBBB) انجام شده است که مبین کارایی طبقه بندی ارائه شده بر اساس شاخص های آشوبی است.
کلید واژگان: آشوب، الکتروکاردیوگرام، نمای لیاپانوف، بعد همبستگی، طبقه بندی کننده فازیElectrocardiogram (ECG) signals are the most popular non-invasive approach for diagnosis of heart irregularities and indications of possible heart diseases. Previous studies have shown that ECG signals do not have a linear distribution and contain a variety of non-linear dimensions. In the present research we have treated the ECG signals as time-series data and applied chaos indices analysis. Utilizing data from MIT_BIH Database، the present study has improved the past research by analysing chaotic indices such as Lyapunov Exponent (λmax)، and Correlation Dimension to ECG signal data from healthy individuals and heart patients. We present appropriate algorithms for reconstruction of Phase Space and estimations of the model parameters using Lyapunov Exponent and CorrelationDimension. We then present the results from reconstruction of Phase Space based on chaotic indices، and fuzzy classifier، to discriminate healthy individuals (NSR) from the heart patients. The heart patients include those with Arterial Fibrillation (AF) and those with Left Bundle Branch Block (LBBB). These results ascertain the effectiveness of application of chaotic distribution to ECG data in improving the heart disease diagnosis.Keywords: Chaotic signals, Electrocardiogram, Lyapunov Exponent, Correlation Dimension, Fuzzy classifier
نکته
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.