@ARTICLE{Vaghefi, author = {Vaghefi, Mahsa and Jamshidi, Fatemeh and }, title = {Features selection for cardiac arrhythmia diagnosis using multiple objective binary particle swarm optimization}, volume = {18}, number = {2}, abstract ={سیگنال الکتروکاردیوگرام، یکی از مهم­ترین ابزار برای طبقه­‌بندی انواع مختلف آریتمی­‌های قلبی است. به‌طورمعمول سیگنال­‌های ECG، حاوی نوفه‌های متفاوتی هستند. در این مقاله، تکنیک تجزیه مد تجربی گروهی که در آن هر تابع مد ذاتی (IMF)، شامل تنها یک مؤلفه فرکانسی است، برای حذف نوفه به کار رفته است. با کمک پنجره­‌بندی مناسب بر روی کمپلکس QRS متشکل از جمع سه IMF نخست، حذف نوفه با کمترین اعوجاج انجام شده و با استفاده از تبدیل موجک گسسته، نوفه‌های باقی‌مانده نیز از بین رفته، سپس با به­‌کارگیری تجزیه بسته موجک، از سیگنال ویژگی استخراج شده است که ویژگی‌­های بهینه، با روش بهینه‌سازی ازدحام ذرات دودویی چند‌هدفه انتخاب شده­اند؛ در‌نهایت از شبکه عصبی پس‌انتشار، برای طبقه­‌بندی استفاده شده که مقدار دقت 12/99 درصد برای 17 عدد سیگنال دریافت‌‌شده از پایگاه داده MIT-BIH، به‌دست آمده است. }, URL = {http://jsdp.rcisp.ac.ir/article-1-972-fa.html}, eprint = {http://jsdp.rcisp.ac.ir/article-1-972-fa.pdf}, journal = {Signal and Data Processing}, doi = {10.52547/jsdp.18.2.163}, year = {2021} }