| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景与意义 | 第15-18页 |
| 1.1.1 J波简介 | 第16页 |
| 1.1.2 J波综合征 | 第16-18页 |
| 1.2 课题研究现状 | 第18-20页 |
| 1.2.1 J波研究现状 | 第18页 |
| 1.2.2 心电信号处理方法研究现状 | 第18-19页 |
| 1.2.3 机器学习方法研究现状 | 第19-20页 |
| 1.3 论文主要工作及章节安排 | 第20-23页 |
| 第二章 J波数据库建立 | 第23-33页 |
| 2.1 心电信号数字化 | 第23-30页 |
| 2.1.1 基于Hough变换的倾斜校正 | 第24-26页 |
| 2.1.2 K-means聚类 | 第26-28页 |
| 2.1.3 移除干扰像素 | 第28-29页 |
| 2.1.4 数据读取与曲线拟合 | 第29-30页 |
| 2.2 心电信号去噪 | 第30页 |
| 2.3 本章小结 | 第30-33页 |
| 第三章 基于线性特征的J波诊断识别 | 第33-51页 |
| 3.1 线性特征提取 | 第33-44页 |
| 3.1.1 小波变换 | 第33-36页 |
| 3.1.2 经验模态分解 | 第36-40页 |
| 3.1.3 极点对称模态分解 | 第40-44页 |
| 3.2 线性特征降维 | 第44页 |
| 3.3 SVM分类 | 第44-46页 |
| 3.4 仿真结果与讨论 | 第46-49页 |
| 3.4.1 评价指标 | 第46-47页 |
| 3.4.2 仿真结果分析 | 第47-49页 |
| 3.5 本章总结 | 第49-51页 |
| 第四章 基于非线性特征的J波诊断识别 | 第51-61页 |
| 4.1 高阶累积量特征 | 第51-53页 |
| 4.2 混沌特征 | 第53-57页 |
| 4.2.1 心电信号的相空间重构 | 第54-55页 |
| 4.2.2 心电信号的混沌特征 | 第55-57页 |
| 4.3 非线性特征降维 | 第57页 |
| 4.4 仿真结果分析 | 第57-59页 |
| 4.5 本章小结 | 第59-61页 |
| 第五章 基于线性特征与非线性特征融合的J波诊断研究 | 第61-73页 |
| 5.1 SVM参数优化方案 | 第61-63页 |
| 5.1.1 粒子群优化算法 | 第61-63页 |
| 5.1.2 人工蜂群算法 | 第63页 |
| 5.2 SVM参数优化效果对比 | 第63-65页 |
| 5.3 基于Hadoop分布式计算的SVM算法 | 第65-70页 |
| 5.3.1 Hadoop分布式计算平台 | 第65-67页 |
| 5.3.2 层级式SVM | 第67-68页 |
| 5.3.3 基于Hadoop的分布式SVM | 第68-70页 |
| 5.4 仿真结果对比 | 第70页 |
| 5.5 本章小结 | 第70-73页 |
| 第六章 总结与展望 | 第73-77页 |
| 6.1 总结 | 第73-74页 |
| 6.2 不足之处 | 第74-75页 |
| 6.3 下一步工作及前景展望 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-85页 |
| 攻读硕士学位期间学术成果及参与项目 | 第85页 |