-
Notifications
You must be signed in to change notification settings - Fork 0
/
saveMATfile_SMOTE_AAMI.m
166 lines (132 loc) · 4.39 KB
/
saveMATfile_SMOTE_AAMI.m
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
function [p1d p1t p2d p2t] = saveMATfile_SMOTE_AAMI(featureSet)
% Salva matrix de características para lopo em arquivo .MAT
% As inst6ancias estão organizadas por linha e a última coluna é o atributo
% classe
%
% Autor:Eduardo Luz
%
% datasets recomendades pela AAMI : sem os pacientes com mrca-passo
dataset1 = {'101';'106';'108';'109';'112';'114';'115';'116';'118';'119';'122';'124';'201';'203';'205';'207';'208';'209';'215';'220';'223';'230'};
dataset2 = {'100';'103';'105';'111';'113';'117';'121';'123';'200';'202';'210';'212';'213';'214';'219';'221';'222';'228';'231';'232';'233';'234'};
train_ds = [];
for j=1:size(dataset1,1)
train_ds(j) = str2double(dataset1(j));
end
test_ds = [];
for j=1:size(dataset2,1)
test_ds(j) = str2double(dataset2(j));
end
%----------------- inicializacao das variaveis
dados1 = [];
rotulo1 = [];
dados2 = [];
rotulo2 = [];
%---------
feat_folder = ['features\' featureSet '\'];
[p1d p1t p2d p2t] = loadDataAAMI(0,feat_folder,train_ds,test_ds);
[p1d p1t] = SMOTE(p1d, p1t, 2, 1200, 3);
[p1d p1t] = SMOTE(p1d, p1t, 3, 1000, 3);
[p1d p1t] = SMOTE(p1d, p1t, 4, 2000, 3);
[p1d p1t] = SMOTE(p1d, p1t, 5, 32000, 3);
%[p1d, scale_factor] = mapminmax(p1d');
%p2d = mapminmax('apply',p2d',scale_factor);
%p1d = p1d';
%p2d = p2d';
%% TREINO
targetTrain = zeros(size(p1t,1),1); % inicializa
%transforma as matrizes em um vetor de Ìndices
for i=2:size(p1t,2)
p1t(find(p1t(:,i)==1),i)=i;
end
targetTrainSum = sum(p1t');
targetTrain(:,1) = targetTrainSum';
% cria matriz para arquivo .MAT
trainMatrix = [p1d(:,:) targetTrain(:,:) ];
%% TESTE
targetTest = zeros(size(p2t,1),1); % inicializa
%transforma as matrizes em um vetor de Ìndices
for i=2:size(p2t,2)
p2t(find(p2t(:,i)==1),i)=i;
end
targetTestSum = sum(p2t');
targetTest(:,1) = targetTestSum';
%cria matriz para arquivo .MAT
testMatrix = [p2d(:,:) targetTest(:,:)];
%% salva as matrizes
train_file = ['.\MAT\' featureSet '\DS1-train-SMOTE.mat'];
save(train_file, 'trainMatrix');
test_file = ['.\MAT\' featureSet '\DS2-valid-SMOTE.mat'];
save(test_file, 'testMatrix');
end
%-------------------- Função de separação dos tipos
% os rótulos estão em ascii code
% Seguindo o padrão AAMI heartbeat classes, Normal (N), supraventricular
% ectopic beat (SVEB), Ventricular ectopic beat(VEB), fusion beat(F) e
% unknown beat (Q)
%
function [data target]=loadarq(arq)
amostra = load(arq);
tam = size(amostra,2);
pos = find(amostra(:,tam)==78); % N -> N
N = amostra(pos,1:tam-1);
sz = size(N,1);
tN = repmat([1 0 0 0 0],sz,1);
pos = find(amostra(:,tam)==76); % L -> N
L = amostra(pos,1:tam-1);
sz = size(L,1);
tL = repmat([1 0 0 0 0],sz,1);
pos = find(amostra(:,tam)==82); % R -> N
R = amostra(pos,1:tam-1);
sz = size(R,1);
tR = repmat([1 0 0 0 0],sz,1);
pos = find(amostra(:,tam)==65); % A -> SVEB
A = amostra(pos,1:tam-1);
sz = size(A,1);
tA = repmat([0 1 0 0 0],sz,1);
pos = find(amostra(:,tam)==86); % V -> VEB
V = amostra(pos,1:tam-1);
sz = size(V,1);
tV = repmat([0 0 1 0 0],sz,1);
pos = find(amostra(:,tam)==47); % paced (/) -> Q
P = amostra(pos,1:tam-1);
sz = size(P,1);
tP = repmat([0 0 0 0 1],sz,1);
pos = find(amostra(:,tam)==97); % a -> SVEB
a = amostra(pos,1:tam-1);
sz = size(a,1);
ta = repmat([0 1 0 0 0],sz,1);
pos = find(amostra(:,tam)==70); % F -> F
F = amostra(pos,1:tam-1);
sz = size(F,1);
tF = repmat([0 0 0 1 0 ],sz,1);
pos = find(amostra(:,tam)==106); % j -> N
j = amostra(pos,1:tam-1);
sz = size(j,1);
tj = repmat([1 0 0 0 0],sz,1);
pos = find(amostra(:,tam)==102); % f -> Q
f = amostra(pos,1:tam-1);
sz = size(f,1);
tf = repmat([0 0 0 0 1],sz,1);
pos = find(amostra(:,tam)==69); % E -> VEB
E = amostra(pos,1:tam-1);
sz = size(E,1);
tE = repmat([0 0 1 0 0],sz,1);
pos = find(amostra(:,tam)==74); % J -> SVEB
J = amostra(pos,1:tam-1);
sz = size(J,1);
tJ = repmat([0 1 0 0 0],sz,1);
pos = find(amostra(:,tam)==101); % e -> N
e = amostra(pos,1:tam-1);
sz = size(e,1);
te = repmat([1 0 0 0 0],sz,1);
pos = find(amostra(:,tam)==83); % S -> SVEB
S = amostra(pos,1:tam-1);
sz = size(S,1);
tS = repmat([0 1 0 0 0],sz,1);
pos = find(amostra(:,tam)==81); % Q -> Q
Q = amostra(pos,1:tam-1);
sz = size(Q,1);
tQ = repmat([0 0 0 0 1],sz,1);
data = [N;L;R;A;V;P;a;F;S;j;f;E;J;e;Q];
target = [tN;tL;tR;tA;tV;tP;ta;tF;tS;tj;tf;tE;tJ;te;tQ];
end