| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-13页 |
| 1.1 课题研究背景 | 第7-8页 |
| 1.2 目的和意义 | 第8-10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.4 论文的结构和研究内容 | 第12-13页 |
| 2 神经网络简介 | 第13-23页 |
| 2.1 人工神经网络 | 第13-16页 |
| 2.1.1 人工神经网络的结构 | 第13-15页 |
| 2.1.2 人工神经网络特点 | 第15页 |
| 2.1.3 人工神经网络缺点 | 第15页 |
| 2.1.4 人工神经网络分为两大类 | 第15-16页 |
| 2.1.5 人工神经网络的应用领域 | 第16页 |
| 2.2 BP神经网络 | 第16-20页 |
| 2.2.1 BP神经网络的结构 | 第16-18页 |
| 2.2.2 BP神经网络的算法 | 第18-19页 |
| 2.2.3 BP神经网络算法的优缺点 | 第19-20页 |
| 2.3 几种基于BP神经网络的预测算法 | 第20-22页 |
| 2.3.1 BP神经网络在数据预测中的应用 | 第20页 |
| 2.3.2 基于改进粒子群BP算法的神经网络及应用 | 第20-21页 |
| 2.3.3 基于遗传算法和BP神经网络的房价预测分析 | 第21-22页 |
| 2.4 小结 | 第22-23页 |
| 3 相空间重构简介 | 第23-31页 |
| 3.1 相空间重构理论 | 第23-24页 |
| 3.1.1 Takens定理 | 第23页 |
| 3.1.2 相空间重构 | 第23-24页 |
| 3.2 时间延迟和嵌入维数的确定方法 | 第24-27页 |
| 3.2.1 时间延迟的确定方法 | 第24-25页 |
| 3.2.2 嵌入维数的确定方法 | 第25-27页 |
| 3.3 应用实例 | 第27-30页 |
| 3.3.1 洛伦兹系统简介 | 第27-29页 |
| 3.3.2 重构洛伦兹系统 | 第29-30页 |
| 3.4 小结 | 第30-31页 |
| 4 基于相空间重构的BP神经网络的预测算法 | 第31-49页 |
| 4.1 相空间重构与BP神经网络的结合 | 第31-35页 |
| 4.1.1 相空间重构BP神经网络算法的步骤 | 第31页 |
| 4.1.2 相空间重构BP神经网络算法的流程 | 第31-32页 |
| 4.1.3 网络拓扑结构的设计 | 第32-33页 |
| 4.1.4 预测模型的数据选取与处理 | 第33-34页 |
| 4.1.5 BP神经网络的MATLAB实现 | 第34-35页 |
| 4.2 相空间重构BP神经网络算法在心电信号（ECG）中的应用 | 第35-48页 |
| 4.2.1 预测效果评价指标 | 第35-36页 |
| 4.2.2 心电信号预测研究 | 第36页 |
| 4.2.3 心电信号的相空间重构 | 第36-45页 |
| 4.2.4 BP神经网络的仿真及结果分析 | 第45-48页 |
| 4.3 小结 | 第48-49页 |
| 5 总结与展望 | 第49-50页 |
| 5.1 总结 | 第49页 |
| 5.2 展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间发表学术论文情况 | 第54-55页 |
| 致谢 | 第55页 |
