| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 心电信号特征提取及心律失常分类技术研究现状 | 第10-14页 |
| 1.2.1 心电信号特征提取技术研究现状 | 第10-12页 |
| 1.2.2 心律失常分类技术研究现状 | 第12-14页 |
| 1.3 本文研究内容 | 第14页 |
| 1.4 论文章节安排 | 第14-16页 |
| 第二章 心电信号概述及心律失常类型 | 第16-20页 |
| 2.1 心电信号概述 | 第16-18页 |
| 2.1.1 心电信号产生原理 | 第16页 |
| 2.1.2 心电信号波性特征 | 第16-18页 |
| 2.2 心律失常 | 第18-19页 |
| 2.2.1 MIT-BIH心律失常数据库 | 第18-19页 |
| 2.2.2 心律失常类型 | 第19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 心电信号预处理 | 第20-25页 |
| 3.1 心电信号噪声处理 | 第20-23页 |
| 3.1.1 常见噪声类型分析 | 第20页 |
| 3.1.2 数学形态学滤波器 | 第20-22页 |
| 3.1.3 高频噪声的消除和基线的校正 | 第22-23页 |
| 3.2 分割样本心拍 | 第23-24页 |
| 3.3 本章小结 | 第24-25页 |
| 第四章 心电信号特征提取 | 第25-43页 |
| 4.1 心电信号波形检测 | 第25-38页 |
| 4.1.1 QRS波检测算法 | 第25-31页 |
| 4.1.2 基于局部距离变换的P波检测算法 | 第31-36页 |
| 4.1.3 相对幅度阈值的T波检测算法 | 第36-38页 |
| 4.2 特征的选取 | 第38-42页 |
| 4.3 本章小结 | 第42-43页 |
| 第五章 心律失常分类算法研究 | 第43-55页 |
| 5.1 几种常见的分类算法比较 | 第43-44页 |
| 5.2 支持向量机 | 第44-46页 |
| 5.2.1 支持向量机基本原理 | 第44-45页 |
| 5.2.2 支持向量机实现多分类 | 第45-46页 |
| 5.3 基于粒子群算法参数寻优的支持向量机建模 | 第46-52页 |
| 5.3.1 支持向量机参数优化 | 第46-48页 |
| 5.3.2 改进的粒子群参数寻优算法 | 第48-51页 |
| 5.3.3 基于改进的粒子群参数寻优算法的SVM分类训练 | 第51-52页 |
| 5.4 分类实验及结果分析 | 第52-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 硕士期间发表论文和参加科研情况 | 第61-62页 |
| 致谢 | 第62-63页 |