基于隐马尔可夫模型的J波识别技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-14页 |
| 第一章 绪论 | 第14-20页 |
| ·课题研究背景与意义 | 第14-15页 |
| ·J波信号的研究现状 | 第15-17页 |
| ·隐马尔可夫模型的研究现状与发展趋势 | 第17-18页 |
| ·本文的主要工作和章节安排 | 第18-20页 |
| 第二章J波的提取 | 第20-28页 |
| ·J波的介绍 | 第20-22页 |
| ·J波的发生机制 | 第20页 |
| ·J波的特征 | 第20-21页 |
| ·J波综合征及其诊断特征 | 第21-22页 |
| ·ICA算法相关理论知识 | 第22-23页 |
| ·基于ICA算法的J波提取 | 第23-25页 |
| ·算法仿真及评价 | 第25-27页 |
| ·分离性能的评判准则 | 第25页 |
| ·算法仿真 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于模糊神经网络改进ICA提取J波算法 | 第28-40页 |
| ·模糊神经网络概述 | 第28-30页 |
| ·模糊控制基本概念 | 第28-29页 |
| ·模糊神经网络原理 | 第29-30页 |
| ·利用模糊神经网络调整学习速率 | 第30-34页 |
| ·分离度 | 第30-31页 |
| ·模糊神经网络结构及模糊规则 | 第31-34页 |
| ·算法仿真及评价对比 | 第34-39页 |
| ·本章小结 | 第39-40页 |
| 第四章J波的特征提取 | 第40-48页 |
| ·构建数据库 | 第40-42页 |
| ·基本J波的生成 | 第40-41页 |
| ·构造大规模J波数据库 | 第41-42页 |
| ·预处理 | 第42-43页 |
| ·利用多拍平均技术去提高信噪比 | 第42-43页 |
| ·定位QRS波群终点 | 第43页 |
| ·提取特征向量 | 第43-47页 |
| ·时域特征向量I | 第43-44页 |
| ·时域特征向量II | 第44页 |
| ·时域特征向量III | 第44页 |
| ·基于离散小波的特征向量 | 第44-45页 |
| ·基于连续小波变换的特征向量 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 基于隐马尔可夫模型的J波自动识别 | 第48-60页 |
| ·隐马尔可夫模型基本理论 | 第48-50页 |
| ·基于隐马尔可夫模型进行J波自动识别 | 第50-52页 |
| ·特征向量统计检验和特征选择 | 第50-51页 |
| ·分类识别 | 第51-52页 |
| ·算法仿真及评价对比 | 第52-58页 |
| ·评价标准定义 | 第52-53页 |
| ·时域特征向量I的最佳配置确定 | 第53-54页 |
| ·算法性能分析 | 第54-55页 |
| ·与其他算法进行对比 | 第55-58页 |
| ·分析与结论 | 第58-59页 |
| ·分析 | 第58-59页 |
| ·结论 | 第59页 |
| ·本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-64页 |
| ·总结 | 第60-62页 |
| ·不足之处 | 第62页 |
| ·下一步工作及前景展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-72页 |
| 攻读硕士学位期间发表的学术论文和科技成果 | 第72-74页 |
| 攻读硕士期间参与的项目 | 第74页 |
