基于非线性变换的个性化心电信号自动分类算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 课题研究背景及意义 | 第9-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 心电图特性与心率失常数据库 | 第14-18页 |
| 1.3.1 心电图的特性 | 第14-16页 |
| 1.3.2 MIT-BIH心律失常数据库 | 第16-18页 |
| 1.4 多阶分类器算法概述 | 第18-19页 |
| 1.5 研究成果及创新性概述 | 第19-20页 |
| 1.6 本文结构组织 | 第20-21页 |
| 第2章 心电图自动分类算法概述 | 第21-32页 |
| 2.1 介绍 | 第21页 |
| 2.2 心电信号滤波及去噪 | 第21-25页 |
| 2.2.1 心电信号干扰源 | 第21-22页 |
| 2.2.2 多分辨率小波变换去噪 | 第22-25页 |
| 2.3 心动周期波峰检测及分段 | 第25-29页 |
| 2.3.1 波峰检测 | 第25-28页 |
| 2.3.2 信号分段 | 第28-29页 |
| 2.4 特征提取 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 个性化多阶分类器 | 第32-41页 |
| 3.1 心电图分析判定模型 | 第32-33页 |
| 3.2 全局分类器 | 第33-34页 |
| 3.3 偏差分析模块 | 第34-38页 |
| 3.4 个性化分类器 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 非线性重塑 | 第41-54页 |
| 4.1 非线性核方法 | 第41-45页 |
| 4.2 多目标粒子群优化算法 | 第45-51页 |
| 4.2.1 外部存档 | 第47-50页 |
| 4.2.2 帕累托前沿 | 第50-51页 |
| 4.3 基于核方法的个性化分类器 | 第51-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 心电信号分类结果分析 | 第54-63页 |
| 5.1 多阶个性化分类实验结果 | 第55-60页 |
| 5.1.1 参数的优化 | 第55-58页 |
| 5.1.2 多阶分类器预测性分析 | 第58-60页 |
| 5.2 非线性重塑多阶分类器实验结果 | 第60-62页 |
| 5.2.1 参数的优化 | 第60-62页 |
| 5.3 本章小结 | 第62-63页 |
| 结论与展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第70页 |
