此提交提供了(即将出版的)关于完整机器学习工作流程的电子书中解释的代码。基于2016年PhysioNet挑战赛的心音记录,开发了一个将心音分为正常和异常的模型,并将其部署在原型(心脏)筛查应用程序中。该工作流演示了:
1)使用datastore从多个文件夹中高效读取大量数据文件
2)利用信号处理、小波和统计等工具进行特征提取
3)使用ClassificationLearner app进行交互式训练、比较和优化分类器,无需编写任何代码
4)用错误分类代价编程训练集成分类器
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,用于部署到嵌入式系统
7)利用小波散射技术自动提取出优于人工提取的特征
引用作为
伯恩哈德·苏姆(2022)。心音分类器(//www.tianjin-qmedu.com/matlabcentral/fileexchange/65286-heart-sound-classifier), MATLAB中央文件交换。检索.