| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 本文研究内容和创新点 | 第14-15页 |
| 1.4 本文组成结构 | 第15-17页 |
| 第2章 相关数据与理论 | 第17-29页 |
| 2.1 ECG简介 | 第17-18页 |
| 2.2 心电数据库 | 第18-19页 |
| 2.3 心拍类别 | 第19-20页 |
| 2.4 小波去噪声 | 第20-22页 |
| 2.5 神经网络基础 | 第22-29页 |
| 2.5.1 人工神经网络 | 第22-24页 |
| 2.5.2 卷积神经网络 | 第24-29页 |
| 第3章 CNN模型提取心拍空间特征 | 第29-41页 |
| 3.1 心拍的高维特征空间模型 | 第29-30页 |
| 3.2 基于CNN模型的类别倾向统一投影函数构建方法 | 第30-33页 |
| 3.3 心拍识别的CNN模型与算法 | 第33-38页 |
| 3.3.1 心拍识别的CNN结构 | 第33-34页 |
| 3.3.2 心拍识别的算法 | 第34-36页 |
| 3.3.3 心拍识别的实验 | 第36-38页 |
| 3.4 实验与分析 | 第38-41页 |
| 3.4.1 心拍分类评估标准 | 第38页 |
| 3.4.2 实验结果与分析 | 第38-41页 |
| 第4章 基于类内类间距离的心拍空间 | 第41-47页 |
| 4.1 心拍类高维空间类内类间距离模型 | 第41-42页 |
| 4.2 类内类间距离算法 | 第42-44页 |
| 4.3 实验与分析 | 第44-47页 |
| 第5章 总结与展望 | 第47-49页 |
| 5.1 总结 | 第47-48页 |
| 5.2 研究展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-55页 |
| 攻读学位期间研究成果 | 第55-56页 |