| 学位论文的主要创新点 | 第3-4页 |
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题的研究目的和意义 | 第9页 |
| 1.2 课题的国内外研究现状及发展动态 | 第9-12页 |
| 1.2.1 心电信号特征提取的研究现状及发展动态 | 第10-11页 |
| 1.2.2 心电信号分类识别的研究现状及发展动态 | 第11-12页 |
| 1.3 本文的主要研究内容及章节安排 | 第12-15页 |
| 第二章 心电学理论基础 | 第15-21页 |
| 2.1 心电信号产生的机理 | 第15-16页 |
| 2.2 正常心电信号波形的意义 | 第16-17页 |
| 2.3 心律失常的原因 | 第17-18页 |
| 2.4 常用标准心电数据库 | 第18-19页 |
| 2.5 本章小结 | 第19-21页 |
| 第三章 核独立成分分析 | 第21-31页 |
| 3.1 独立成分分析(ICA) | 第21-23页 |
| 3.1.1 ICA的基本原理 | 第21-22页 |
| 3.1.2 ICA问题的求解 | 第22-23页 |
| 3.1.3 ICA技术的优势和缺陷 | 第23页 |
| 3.2 核方法 | 第23-26页 |
| 3.2.1 核方法的理论基础 | 第23-24页 |
| 3.2.2 核函数的定义 | 第24页 |
| 3.2.3 再生核和再生核Hilbert空间 | 第24-25页 |
| 3.2.4 Gram矩阵 | 第25-26页 |
| 3.3 核独立成分分析 | 第26-30页 |
| 3.3.1 核典型相关分析 | 第26-28页 |
| 3.3.2 核独立成分分析的求解 | 第28-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 心电信号的多域特征提取算法研究 | 第31-43页 |
| 4.1 实验数据的选取 | 第31-33页 |
| 4.2 基于KICA方法的心电信号非线性特征提取 | 第33-36页 |
| 4.2.1 主成分分析法 | 第33-35页 |
| 4.2.2 非线性特征提取的仿真 | 第35-36页 |
| 4.3 基于离散小波分析的心电信号频域特征提取 | 第36-42页 |
| 4.3.1 线性判别法 | 第36-37页 |
| 4.3.2 频域特征提取的仿真 | 第37-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 基于支持向量机的分类器设计 | 第43-57页 |
| 5.1 常用的心电信号分类算法 | 第43-44页 |
| 5.2 统计学习理论与支持向量机 | 第44-49页 |
| 5.2.1 统计学习理论 | 第44-45页 |
| 5.2.2 支持向量机 | 第45-49页 |
| 5.3 遗传算法参数寻优在LIBSVM中的应用 | 第49-50页 |
| 5.4 ECG数据分类结果与分析 | 第50-56页 |
| 5.4.1 分类器的性能评估 | 第50-51页 |
| 5.4.2 ECG数据的分类结果 | 第51-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第六章 心律失常分类的实验设计 | 第57-65页 |
| 6.1 心电信号采集系统的设计 | 第57-60页 |
| 6.2 Prosim 2生命体征模拟器的信号采集和分类 | 第60-64页 |
| 6.3 本章小结 | 第64-65页 |
| 第七章 总结与展望 | 第65-67页 |
| 7.1 论文工作总结 | 第65-66页 |
| 7.2 展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 发表论文和参加科研情况 | 第71-73页 |
| 致谢 | 第73页 |