Voronezh State University (laboratoriya medicinskoy kibernetiki, zaveduyuschiy laboratoriey)
Voronezh, Voronezh, Russian Federation
Method activation end date in the past.
Method activation end date in the past. direction:re
УДК 004.5
СПОСОБ БИНАРНОЙ КЛАССИФИКАЦИИ СИГНАЛОВ, ОСНОВАННЫЙ НА ГЕНЕТИЧЕСКОМ АЛГОРИТМЕ
THE METHOD FOR BINARY CLASSIFICATION OF SIGNALS BASED ON GENETIC ALGORITHM
Туровский Я.А., к.м.н., доцент,
Кургалин С.Д., д.ф.-м.н., профессор,
Белобродский В.А., аспирант
ФГБОУ ВПО «Воронежский государственный университет»
г. Воронеж, Россия
DOI: 10.12737/6398
Аннотация: Предложен способ бинарной классификации биомедицинских сигналов с применением цифровых фильтров, полученных при помощи генетического алгоритма. Представлено теоретическое описание предлагаемого способа, в котором вводятся весовые коэффициенты для пары сигнал-фильтр и специальная функция, служащая индикатором принадлежности неизвестного сигнала к определенной детерминированной группе. Результаты тестирования разработанного способа на сигналах с известными свойствами показали, что он надежно решает поставленную задачу бинарной классификации.
Summary: The paper suggests an method for binary classification of signals with the application of digital filters obtained using the genetic algorithm. The article also presents a theoretical description of the suggested approach, which introduces signal-filter pair weight coefficients as well as a special function to indicate membership of a signal in a determined group. The result of the method’s performance in harmonic signals of various frequency ranges revealed that it reliably solves the problem of a binary classification.
Ключевые слова: бинарная классификация, генетический алгоритм, цифровой фильтр.
Keywords: binary classification, genetic algorithm, digital filter.
Среди разнообразных алгоритмов, предназначенных для формирования цифровых фильтров, существует алгоритм, в котором на основе моделирования общих закономерностей эволюции создаются цифровые фильтры путём случайного подбора, комбинирования и вариации их значений с использованием механизмов, аналогичных естественному отбору, таких как наследование, мутация, отбор и кроссинговер. Каждому фильтру ставится в соответствие одно число – его эффективность (это число получается после применения специальной функции, которая носит название «фитнесс», и чем оно больше, тем лучше данный фильтр разделяет сигналы анализируемых состояний), предопределяющее его дальнейшую судьбу, а именно: участие в скрещивании для «рождения» фильтров следующего поколения или же «гибель» по причине бесперспективности.
