1.一种基于机器学习技术的心律失常分析系统，它包括：一．读入数据

外部获取一组两导联心电信号输入到MATLAB中；

设置一个空数组A，m行2*n列；

根据信号标注的R波点的位置按照其采样频率每个导联依次截取相应个点，两个导联截取出的数据依次存入数组A；

数组A中前m行n列的数据为第一导联的数据，m行n+1到2*n列为第二导联的数据；

二.对单通道心电图样本的第一导联进行特征提取的步骤：（1）设置i,将A中前m行n列的数据进行i次采样取A的1到m行1+2*（i-1）到3+2*（i-1）列的采样方法进行采样变为m*x的样本信号B，B中包含m个1*x的数组，设置空数组Y1；

（2）对B进行聚类，聚类数为x，这里假设x为3，聚类后得到大小为x*x的信号，并命名为C；

（3）设置a1到a3为C的第1到x行数组,对这三个数组进行求距离：先设定数组a1的距离值q1为2*i(i与步骤一中的i相同)，求a1 a2之间的欧式距离s1；a1 a3之间的欧式距离s2；

然后求得a2的绝对距离q2=2*i+s1;a3的绝对距离q3=2*i+s2；

将q1的值放入C第1行第4列;q2的值放入C第2行第4列;q3的值放入C第3行第4列；

（4）将数组B对a1 a2 a3求相似性：

求B的第j行的数组（j=1,2，...，m）与a1 a2 a3的欧式距离d1 d2 d3,B的第j行的数组与a1的相似性m1=1/(d1-1),相应的与a2 a3的相似性为m2 m3；

比较m1 m2 m3三个值，取最大值mk(k=1,2,3)，将C的第k行第4列的值赋给Y1的第j行第i列；

（5）输出Y1；

三.对单通道心电图样本的第二导联进行特征提取的步骤：（1）设置i,将A中m行n+1到2*n列的数据进行i次采样取A的1到m行1+2*（i-1）到3+2*（i-

1）列的采样方法进行采样变为m*x的样本信号B1，B1中包含,m个1*x的数组，设置空数组Y2；

（2）对B1进行聚类，聚类数为x1，这里假设x1为3，聚类后得到大小为x1*x1的信号，并命名为C1；

（3）设置a11到a31为C1的第1到x1行数组,对这三个数组进行求距离：先设定数组a11的距离值q11为2*i(i与步骤一中的i相同)，求a11 a21之间的欧式距离s11；a11 a31之间的欧式距离s21；

然后求得a21的绝对距离q21=2*i+s11;a31的绝对距离q31=2*i+s21；

将q11的值放入C1第1行第4列;q21的值放入C1第2行第4列;q31的值放入C1第3行第4列；

（4）将数组B1对a11 a21 a31求相似性：求B的第j行的数组(j=1,2,....,m)与a1 a2 a3的欧式距离d11 d21 d31,B1的第j行的数组与a11的相似性m11=1/(d11-1),相应的与a21 a31的相似性为m21 m31；

比较m11 m21 m31三个值，取最大值mk1(k=1,2,3)，将C的第k行第4列的值赋给Y2的第j行第i列；

（5）输出Y2；

四．输入分类器进行识别

label为标签矩阵；

（1）分出测试集训练集

设置变量end_sample;train;train_label;test;test_label；

end_sample为Y1 Y2 label三个数组按行拼接;取end_sample数组的1到m-m/5行1到2*n列，取出的这部分命名为train；

train_label是取end_sample的1到m-m/5行2*n+1列;test是取end_sample的m-m/5+1到m行1到2*n列;test_label是取end_sample的m-m/5+1到m行2*n+1列；

（2）输入分类器

将train train_label test 输入MATLAB自带的KNN分类器中（用函数knnclassify）；

得到预测的标签并保存在变量predict_label中；

（3）计算准确率

将predict_label与test_label进行比较，在MATLAB中用find函数得到一个数组pre，用length函数计算pre的行数，并用这个数值除以数组test_label的行数得到准确率。