基于复杂网络理论的心电时间序列自回归模型研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 复杂网络与时间序列综述 | 第8-27页 |
| 1.1 引言 | 第8-9页 |
| 1.2 复杂网络的统计基础 | 第9-11页 |
| 1.2.1 度、平均度、度分布 | 第9-10页 |
| 1.2.2 平均路径长度 | 第10页 |
| 1.2.3 聚类系数 | 第10页 |
| 1.2.4 同配系数 | 第10-11页 |
| 1.2.5 子图、模体 | 第11页 |
| 1.3 复杂网络与时间序列 | 第11-13页 |
| 1.3.1 时间序列分析简述 | 第11-12页 |
| 1.3.2 时间序列与复杂网络的转换 | 第12-13页 |
| 1.4 从时间序列到复杂网络转换算法及其心电应用 | 第13-25页 |
| 1.4.1 周期、相关网络算法及其心电应用 | 第13-15页 |
| 1.4.2 递归网络算法及其心电应用 | 第15-18页 |
| 1.4.3 可视图算法及其心电应用 | 第18-20页 |
| 1.4.4 频率-度算法及其心电应用 | 第20-23页 |
| 1.4.5 随机游走网络及其心电应用 | 第23-25页 |
| 1.5 本文研究内容和研究意义 | 第25-27页 |
| 1.5.1 研究内容 | 第25页 |
| 1.5.2 研究意义 | 第25-27页 |
| 第二章 自回归模型算法 | 第27-36页 |
| 2.1 引言 | 第27-28页 |
| 2.2 自回归模型算法的描述 | 第28-31页 |
| 2.2.1 基本思想 | 第28页 |
| 2.2.2 单维信号的模型描述 | 第28-30页 |
| 2.2.3 多维信号的模型描述 | 第30-31页 |
| 2.3 建立有向网络的具体步骤 | 第31-33页 |
| 2.3.1 从自回归模型到复杂网络的映射 | 第31-32页 |
| 2.3.1.1 单维信号 | 第31-32页 |
| 2.3.1.2 多维信号 | 第32页 |
| 2.3.2 传递系数与三角形法则 | 第32-33页 |
| 2.4 自回归模型算法分析 | 第33-35页 |
| 2.4.1 算法的描述分析 | 第33-34页 |
| 2.4.2 算法的参数分析 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 自回归模型算法的心电应用 | 第36-54页 |
| 3.1 引言 | 第36-37页 |
| 3.2 自回归模型算法的室颤检测及其对比 | 第37-44页 |
| 3.2.1 室颤检测算法综述 | 第37-39页 |
| 3.2.1.1 TCI算法 | 第37-38页 |
| 3.2.1.2 SPEC算法 | 第38-39页 |
| 3.2.1.3 PSR算法 | 第39页 |
| 3.2.2 自回归模型算法的室颤检测 | 第39-43页 |
| 3.2.3 室颤检测的对比 | 第43-44页 |
| 3.3 自回归模型算法的室颤预测及对比 | 第44-48页 |
| 3.3.1 自回归模型算法室颤预测 | 第44-46页 |
| 3.3.2 自回归模型算法的室颤预测对比 | 第46-48页 |
| 3.4 自回归模型算法的心房颤动分析 | 第48-52页 |
| 3.4.1 心房颤动引言 | 第48-49页 |
| 3.4.2 自回归模型算法的房颤检测 | 第49-52页 |
| 3.5 本章小结 | 第52-54页 |
| 第四章 幅度-时域算法及其心电应用 | 第54-60页 |
| 4.1 引言 | 第54页 |
| 4.2 幅度-时域算法 | 第54-56页 |
| 4.2.1 算法描述 | 第54-55页 |
| 4.2.2 算法分析 | 第55-56页 |
| 4.3 心电时间序列的区分 | 第56-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-63页 |
| 5.1 总结 | 第60页 |
| 5.2 展望 | 第60-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士期间发表论文 | 第68-69页 |
| 致谢 | 第69-70页 |
