基于分类算法的心电数据研究与应用
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题来源及背景 | 第8-9页 |
| 1.2 研究目的及意义 | 第9页 |
| 1.3 国内外研究现状 | 第9-14页 |
| 1.3.1 移动医疗、家庭医疗终端的研究现状 | 第9-11页 |
| 1.3.2 心电信号处理技术的发展现状 | 第11-14页 |
| 1.4 本文的研究工作及论文组织结构 | 第14-15页 |
| 第二章 相关理论的分析 | 第15-26页 |
| 2.1 心电信号的数据分析 | 第15-16页 |
| 2.1.1 心电信号的来源和特点 | 第15页 |
| 2.1.2 心电信号的预处理流程 | 第15-16页 |
| 2.2 心电数据特征向量的提取 | 第16-17页 |
| 2.3 BP神经网络分析 | 第17-18页 |
| 2.3.1 BP神经网络模型 | 第17页 |
| 2.3.2 神经网络学习方式 | 第17-18页 |
| 2.4 K近邻法分析 | 第18-20页 |
| 2.4.1 KNN算法基础 | 第18-19页 |
| 2.4.2 算法的三要素 | 第19-20页 |
| 2.5 支持向量机分析 | 第20-23页 |
| 2.5.1 SVM基本理论 | 第20-21页 |
| 2.5.2 核函数 | 第21-22页 |
| 2.5.3 补偿因子 | 第22-23页 |
| 2.5.4 支持向量机的类型分析 | 第23页 |
| 2.6 算法的性能分析 | 第23-25页 |
| 2.7 本章小结 | 第25-26页 |
| 第三章 核函数的优化及验证 | 第26-34页 |
| 3.1 信号数据来源 | 第26页 |
| 3.2 算法的设计思想 | 第26-27页 |
| 3.3 算法分析 | 第27-30页 |
| 3.3.1 典型核函数的分析 | 第27-28页 |
| 3.3.2 核函数的修正 | 第28-30页 |
| 3.4 实验分析 | 第30-33页 |
| 3.4.1 分类算法的选取分析 | 第30-31页 |
| 3.4.2 核函数参数的选择 | 第31-32页 |
| 3.4.3 心跳节拍分类结果对比分析 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 智能家庭医疗终端的实现 | 第34-44页 |
| 4.1 系统需求分析 | 第34-35页 |
| 4.1.1 功能需求分析 | 第34-35页 |
| 4.1.2 性能需求分析 | 第35页 |
| 4.2 系统架构设计 | 第35-37页 |
| 4.3 系统数据库的设计与实现 | 第37-39页 |
| 4.4 心电测量相关的设计与实现 | 第39-40页 |
| 4.4.1 心电测量的实现 | 第39页 |
| 4.4.2 心电列表的设计与实现 | 第39-40页 |
| 4.4.3 心电图像查看的设计与实现 | 第40页 |
| 4.5 心跳节拍识别的设计与实现 | 第40-42页 |
| 4.5.1 原始数据的显示与获取的实现 | 第40页 |
| 4.5.2 心电信号处理成图形的实现 | 第40-41页 |
| 4.5.3 心跳节拍特征提取的实现 | 第41页 |
| 4.5.4 心跳节拍识别的实现 | 第41-42页 |
| 4.6 核函数选择实现 | 第42-43页 |
| 4.7 本章小结 | 第43-44页 |
| 第五章 结论与展望 | 第44-45页 |
| 5.1 结论 | 第44页 |
| 5.2 展望 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 在学期间的研究成果 | 第48-49页 |
| 致谢 | 第49页 |
