心律失常是心血管疾病中的一种重要疾病,该病突然发作时可能导致猝死,也可能持续发作从而导致心脏衰竭.由于不同类型的心律失常情况对应的治疗方式有所不同,因此,能否及时准确地诊断出心律失常的种类,进而采取恰当有效的方式进行治疗,有着重要的研究意义和临床应用价值.借助计算机对心电图进行信息提取和辅助分类是当前智慧医疗研究的一个重要领域,其中,使用机器学习算法的分类研究在近年来发展十分迅速,本文采用的概率神经网络模型就是其中的一个经典模型.概率神经网络模型在模式层中使用径向基函数作为激活函数,其中径向基函数有一个特点:模式层的所有节点需要一个公共的平滑参数.本文将对概率神经网络模型中模式层的平滑参数进行改进,针对每个分类使用不同的平滑参数,即,使用一组多值平滑参数代替原有的单一公共参数.之后,本文使用了遗传算法对该参数的数值进行优化,以提升概率神经网络模型的预测效果.此外,由于遗传算法的训练时间开销较大,本文还对输入数据进行了特征处理以提高运行效率,并取得了理想的效果.