摘要 - Hyperdementialsional Computing（HD）是一种新兴的脑启发范式，用于机器学习分类任务。它使用简单的操作来操纵超长向量 - 高向量，从而可以快速学习，能源效率，噪声耐受性和高度平行的分布式框架。HD计算在生物信号分类领域显示出很大的希望。本文使用来自MIT-BIH心律失常数据库的数据，介绍了使用HD计算的特定组早产（PVC）BEAT检测。时间，心率变异性（HRV）和光谱特征，最小冗余最大相关性（MRMR）用于对分类进行排名和选择特征。探索了三种编码方法，以将功能映射到HD空间中。HD计算分类器可以达到97.7％精度的PVC BEAT检测准确性，而诸如卷积神经网络（CNN）等更复杂的方法（例如，计算复杂的方法）实现了99.4％。