信号处理--基于CNN-LSTM的心电信号的分类识别

本文为课程设计专题的一个小项目，实现了传统机器学习和深度学习对于心电信号的分类。在本文中，心电信号主要划分为5类：非异位波动，上腹异位搏动，心室异位搏动，融合搏动，未知搏动。使用的心电信号为私有数据集。

1 加载特定的库函数

2 加载心电信号

3 数据可视化

3.1 绘制非正常心电信号

3.2 绘制正常心电信号

3.3 查看数据集中各个类别的分布情况

4 数据预处理

5 正常心电信号和非正常信号的可视化对比

6 数据增强

由于数据类别分布不均，所以需要加入数据增强

6.1 重新查看数据的类别分布

6.2 制作训练 X & Y 变量

6.3 数据集划分

7 搭建分类模型

使用随机森林，支持向量机，卷积神经网络三个模型进行数据分类。主要步骤包括，模型实例初始化，模型训练，在模型训练完以后，将模型用于数据测试。

7.1 卷积神经网络

7.1.1 模型搭建

7.1.2 模型训练

7.1.3 模型训练loss和准确率可视化

7.2 随机森林

7.3 支持向量机

8 结果预测可视化