| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题研究背景及意义 | 第10页 |
| ·心脏电生理与心律失常 | 第10-12页 |
| ·心律失常自动诊断的研究状况 | 第12-16页 |
| ·本文的研究内容 | 第16-18页 |
| 第2章 核独立成分分析 | 第18-32页 |
| ·独立成分分析(ICA) | 第18-21页 |
| ·ICA 的数学描述 | 第18-19页 |
| ·ICA 的基本假设 | 第19页 |
| ·ICA 问题的求解 | 第19-20页 |
| ·ICA 技术的优势与局限性 | 第20-21页 |
| ·模式识别中的核方法 | 第21-24页 |
| ·核方法概述 | 第21页 |
| ·核函数 | 第21-22页 |
| ·再生核和再生核Hilbert 空间 | 第22-23页 |
| ·Gram 矩阵 | 第23-24页 |
| ·核独立成分分析 | 第24-30页 |
| ·核典型相关分析 | 第24-28页 |
| ·核独立成分分析问题求解 | 第28-30页 |
| ·本章小结 | 第30-32页 |
| 第3章 心电信号的多域特征提取算法研究 | 第32-46页 |
| ·心电信号的多域特征表示 | 第32-33页 |
| ·心电信号多域特征提取方法 | 第33-40页 |
| ·基于KICA 方法的心电特征提取 | 第33-35页 |
| ·基于小波变换的心电特征提取 | 第35-40页 |
| ·心电时域特征提取 | 第40页 |
| ·心电信号多域特征的特征选择算法研究 | 第40-45页 |
| ·心电特征选择算法概述 | 第40-41页 |
| ·基于最大相关、最小冗余的组合式特征选择算法 | 第41-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 基于纠错编码支持向量机的分类器设计 | 第46-62页 |
| ·支持向量机与统计学习理论 | 第46-52页 |
| ·VC 维 | 第46页 |
| ·推广误差的界与结构风险最小化 | 第46-47页 |
| ·支持向量机 | 第47-51页 |
| ·纠错输出编码支持向量机 | 第51-52页 |
| ·ROC 分析技术 | 第52-56页 |
| ·ROC 分析基础 | 第53-54页 |
| ·AUC 评价标准 | 第54-55页 |
| ·AUC 评价标准与正确率的比较 | 第55-56页 |
| ·基于 AUC 参数优化的 ECOC-SVM 分类器设计 | 第56-61页 |
| ·纠错编码本的确定与解码规则 | 第56-57页 |
| ·核函数选取及参数优化 | 第57-61页 |
| ·本章小结 | 第61-62页 |
| 第5章 心电信号识别实验比较与分析 | 第62-70页 |
| ·实验数据的获取与预处理 | 第62-63页 |
| ·心电信号的特征提取 | 第63-64页 |
| ·基于小波特征的心搏类型识别 | 第64-65页 |
| ·基于 KICA 特征的心搏类型模式识别 | 第65-67页 |
| ·基于多域特征的心搏类型识别 | 第67-68页 |
| ·不同心搏识别算法比较 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 第6章 心律失常模式分类实验系统设计 | 第70-82页 |
| ·开发工具简介 | 第70-72页 |
| ·GUI 设计流程 | 第72-74页 |
| ·心律失常模式分类系统设计 | 第74-81页 |
| ·主界面设计 | 第75-76页 |
| ·心电信号预处理模块设计 | 第76-77页 |
| ·心电信号特征提取模块设计 | 第77-80页 |
| ·特征选择模块设计 | 第80页 |
| ·心电图分类模块设计 | 第80-81页 |
| ·本章小结 | 第81-82页 |
| 结论 | 第82-84页 |
| 参考文献 | 第84-89页 |
| 致谢 | 第89-90页 |
| 作者简介 | 第90页 |