| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及研究的目的和意义 | 第10-11页 |
| 1.2 心电信号自动分类识别研究现状 | 第11-14页 |
| 1.2.1 心电信号预处理研究现状 | 第11-13页 |
| 1.2.2 传统心电信号特征提取与分类研究现状 | 第13-14页 |
| 1.2.3 基于深度学习的心电信号特征提取与分类研究现状 | 第14页 |
| 1.3 本文研究的主要内容 | 第14-16页 |
| 第2章 心电信号特征与预处理 | 第16-34页 |
| 2.1 心电图基础 | 第16-18页 |
| 2.1.1 心电图分析 | 第16-17页 |
| 2.1.2 心电图波形特征 | 第17-18页 |
| 2.2 心电数据库介绍 | 第18-19页 |
| 2.3 心电信号噪声类型与特点 | 第19-21页 |
| 2.3.1 基线漂移 | 第19-20页 |
| 2.3.2 工频干扰 | 第20页 |
| 2.3.3 肌电干扰 | 第20-21页 |
| 2.4 小波去噪理论 | 第21-23页 |
| 2.4.1 连续小波变换 | 第21-22页 |
| 2.4.2 离散小波变换 | 第22页 |
| 2.4.3 小波变换去噪方法 | 第22-23页 |
| 2.5 基于小波阈值去噪方法 | 第23-32页 |
| 2.5.1 小波基的选择 | 第24-25页 |
| 2.5.2 分解尺度的确定 | 第25页 |
| 2.5.3 阈值的选取 | 第25-27页 |
| 2.5.4 阈值函数的选取 | 第27-28页 |
| 2.5.5 小波改进阈值去噪 | 第28-32页 |
| 2.6 本章小结 | 第32-34页 |
| 第3章 基于判别式深度置信网络的心拍分类 | 第34-53页 |
| 3.1 常见心律失常类型 | 第34-36页 |
| 3.2 心电信号心拍分割 | 第36-38页 |
| 3.3 深度置信网络 | 第38-39页 |
| 3.4 受限玻尔兹曼机 | 第39-44页 |
| 3.4.1 生成受限玻尔兹曼机提取特征 | 第40-41页 |
| 3.4.2 判别式受限玻尔兹曼机分类 | 第41-42页 |
| 3.4.3 受限玻尔兹曼机训练 | 第42-44页 |
| 3.5 判别式深度置信网络预训练 | 第44-50页 |
| 3.6 实验结果分析 | 第50-52页 |
| 3.6.1 性能分析 | 第50-51页 |
| 3.6.2 网络结构设置与性能分析 | 第51-52页 |
| 3.7 本章小结 | 第52-53页 |
| 第4章 判别式深度置信网络的微调 | 第53-62页 |
| 4.1 反向传播有监督微调 | 第53-54页 |
| 4.2 Softmax回归层 | 第54-56页 |
| 4.3 判别式深度置信网络权值初始化与微调 | 第56-57页 |
| 4.4 实验结果分析 | 第57-61页 |
| 4.4.1 算法有效性分析 | 第57-60页 |
| 4.4.2 算法性能比较 | 第60-61页 |
| 4.5 本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的学术论文及获得成果 | 第68-69页 |
| 致谢 | 第69页 |