| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文的研究内容及论文结构 | 第13-15页 |
| 第二章 心电逆问题的研究基础 | 第15-29页 |
| ·心脏的简介 | 第15页 |
| ·支持向量机 | 第15-20页 |
| ·支持向量分类算法 | 第17-19页 |
| ·支持向量回归算法 | 第19-20页 |
| ·核函数选择 | 第20-23页 |
| ·核函数与正定矩阵理论 | 第20-21页 |
| ·核函数的种类 | 第21-23页 |
| ·核函数的确定 | 第23页 |
| ·支持向量回归算法中模型参数的选择 | 第23-25页 |
| ·超参数的影响 | 第23-24页 |
| ·超参数的选择方法 | 第24-25页 |
| ·本文超参数范围确定 | 第25页 |
| ·基于心电模型仿真数据拟定 | 第25-28页 |
| ·心电逆问题的模型建立 | 第25-27页 |
| ·心电仿真数据 | 第27-28页 |
| ·误差分析准则 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于 KPCA-SVR 的心电逆问题研究 | 第29-38页 |
| ·引言 | 第29页 |
| ·PCA 方法介绍 | 第29-32页 |
| ·简介 | 第29-30页 |
| ·PCA 原理介绍 | 第30-31页 |
| ·PCA 实现步骤 | 第31-32页 |
| ·KPCA 方法介绍 | 第32-33页 |
| ·KPCA 简介 | 第32页 |
| ·KPCA 实现原理 | 第32-33页 |
| ·KPCA 实现步骤 | 第33页 |
| ·基于 PCA 与 KPCA 的心电逆功能成像比较分析 | 第33-36页 |
| ·心肌横跨膜电位的重构图像 | 第33-35页 |
| ·误差比较和分析 | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 第四章 智能优化算法的分析与研究 | 第38-56页 |
| ·遗传算法 | 第38-44页 |
| ·遗传算法简介 | 第38-39页 |
| ·遗传算法操作原理 | 第39-41页 |
| ·遗传算法的参数研究 | 第41-43页 |
| ·基于遗传算法 SVR 参数优化 | 第43-44页 |
| ·差分进化算法 | 第44-50页 |
| ·差分进化算法简介 | 第44-45页 |
| ·差分进化算法操作原理 | 第45-47页 |
| ·差分进化算法的参数研究 | 第47-48页 |
| ·基于差分进化算法的 SVR 参数优化 | 第48-50页 |
| ·粒子群优化算法 | 第50-55页 |
| ·粒子群优化算法简介 | 第50-51页 |
| ·粒子群优化算法操作原理 | 第51-53页 |
| ·粒子群算法的参数设置 | 第53-54页 |
| ·基于粒子群算法 SVR 参数优化 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 基于智能优化算法和 SVR 的心电逆问题研究 | 第56-64页 |
| ·引言 | 第56页 |
| ·心电逆问题研究模型的实现 | 第56-58页 |
| ·心电数据的预处理 | 第56-57页 |
| ·心电逆问题研究的整体框架 | 第57-58页 |
| ·基于智能优化算法和 SVR 的心脏图像的重构与分析 | 第58-63页 |
| ·基于智能优化算法的 SVR 的参数选择结果 | 第58-59页 |
| ·横跨膜电位的重构图像 | 第59-61页 |
| ·误差比较和分析 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| ·论文工作总结 | 第64页 |
| ·今后工作展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 攻读学位期间的研究成果 | 第72页 |
