本次提交提供了(即将发布的)关于完整机器学习工作流的电子书中解释的代码。基于PhysioNet 2016挑战的心音记录，我们开发了一个模型，将心音分为正常和异常，并部署在一个原型(心脏)筛选应用程序中。工作流程说明:
1)使用数据存储有效地从多个文件夹读取大量数据文件
2)利用信号处理、小波、统计等工具进行特征提取
3） 使用ClassificationLearner应用程序以交互方式训练、比较和优化分类器，而无需编写任何代码
4)通过编程训练具有误分类代价的集成分类器
5)应用自动特征选择来选择相关特征的较小子集
6)执行C代码生成，部署到嵌入式系统
7)应用小波散射自动提取特征，优于人工设计的特征
引用作为
Bernhard Suhm(2021)。心音分类器(//www.tianjin-qmedu.com/matlabcentral/fileexchange/65286-heart-sound-classifier)， MATLAB中央文件交换。检索．
