| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-19页 |
| ·研究的目的及意义 | 第9-10页 |
| ·动态心电图波形介绍 | 第10-13页 |
| ·心电波形产生的生理学基础简介 | 第10-11页 |
| ·电图波形简介及临床意义 | 第11-12页 |
| ·动态心电波形诊断分类 | 第12-13页 |
| ·心机器学习用于动态心电图波形筛选 | 第13-16页 |
| ·动态心电图波形筛选的特点 | 第13-14页 |
| ·动态心电图波形筛选中存在的问题 | 第14-15页 |
| ·动态心电图波形自动分类策略 | 第15-16页 |
| ·国内外研究现状 | 第16-18页 |
| ·ECG 波形的预处理及检测 | 第16-17页 |
| ·ECG 分类方法 | 第17-18页 |
| ·本章主要研究内容 | 第18页 |
| ·文章主要研究内容及框架 | 第18-19页 |
| 第二章 动态心电图波形筛选分类器的选择 | 第19-35页 |
| ·动态心电图波形的采集及预处理 | 第19-23页 |
| ·动态心电波形向量化 | 第19-21页 |
| ·动态心电波形R 波定位 | 第21-23页 |
| ·动态心电波形向量归一化 | 第23页 |
| ·机器学习中分类器用于动态心电图波形分类 | 第23-32页 |
| ·决策树 | 第24-27页 |
| ·ID3 和C4.5 的分类属性选择方法 | 第24-27页 |
| ·CART （Classification and Regression Tree） | 第27页 |
| ·神经网络 | 第27-30页 |
| ·K 近邻法 | 第30-32页 |
| ·基于实例的学习 | 第30-31页 |
| ·KNN 算法描述及流程 | 第31-32页 |
| ·KNN 算法优缺点 | 第32页 |
| ·三种分类器用于动态心电图波形分类结果及比较 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 动态心电波形相似性度量 | 第35-42页 |
| ·心电波间的差异性 | 第35-36页 |
| ·心电波形相似性度量的选择 | 第36-41页 |
| ·基于距离的度量方法 | 第36-39页 |
| ·基于相似度的度量方法 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 改进的动态心电图波形分类策略 | 第42-59页 |
| ·分类策略综述 | 第42页 |
| ·筛选的准确性要求 | 第42-44页 |
| ·动态心电波形第一阶段筛选 | 第44-53页 |
| ·核函数概念及种类 | 第44-45页 |
| ·核函数K 近邻算法的构建 | 第45-51页 |
| ·高斯核函数参数选择 | 第48-49页 |
| ·改进的四次样条核函数 | 第49-51页 |
| ·实验设计及结果分析 | 第51-53页 |
| ·实验设计 | 第51-52页 |
| ·结果分析 | 第52-53页 |
| ·动态心电波形的二次筛选 | 第53-58页 |
| ·动态心电波形二次筛选问题的提出 | 第53-54页 |
| ·SOM 聚类 | 第54-55页 |
| ·相似性搜索 | 第55-57页 |
| ·基于SOM 和相似性搜索合并细分的筛选策略 | 第57-58页 |
| ·实验结果分析 | 第58页 |
| ·本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| ·总结 | 第59页 |
| ·展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 发表论文和科研情况说明 | 第64-65页 |
| 致谢 | 第65-66页 |