基于决策树的J波检测技术研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 主要符号列表 | 第14-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 课题的研究背景及意义 | 第15-16页 |
| 1.2 J波信号研究现状 | 第16-17页 |
| 1.3 J波与J波综合征 | 第17-18页 |
| 1.4 决策树的研究现状与发展趋势 | 第18-19页 |
| 1.5 论文的主要工作及章节安排 | 第19-21页 |
| 第二章 心电信号预处理 | 第21-28页 |
| 2.1 ECG介绍 | 第21-22页 |
| 2.2 心电信号噪声 | 第22页 |
| 2.3 小波去噪相关理论 | 第22-24页 |
| 2.3.1 小波变换简介 | 第22-23页 |
| 2.3.2 多分辨率分析和Mallat算法 | 第23-24页 |
| 2.4 心电信号的小波去噪算法 | 第24-26页 |
| 2.4.1 心电信号去噪模型的建立 | 第24页 |
| 2.4.2 心电信号去噪处理 | 第24-26页 |
| 2.5 算法仿真 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 基于卡尔曼滤波的心电信号预检测 | 第28-35页 |
| 3.1 卡尔曼滤波简介 | 第29页 |
| 3.2 卡尔曼滤波基本原理 | 第29-30页 |
| 3.2.1 状态空间方程 | 第29页 |
| 3.2.2 卡尔曼滤波流程 | 第29-30页 |
| 3.3 卡尔曼滤波的心电信号预检测实现 | 第30-31页 |
| 3.4 算法仿真 | 第31-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 心电信号特征提取 | 第35-47页 |
| 4.1 基于曲率尺度空间的特征点定位检测 | 第35-36页 |
| 4.2 心电信号时频域特征提取 | 第36-43页 |
| 4.2.1 时域特征 | 第36-37页 |
| 4.2.2 频域特征 | 第37-43页 |
| 4.3 特征相关性分析 | 第43-44页 |
| 4.4 基于流形算法的特征降维 | 第44-46页 |
| 4.4.1 流形算法概述 | 第44-45页 |
| 4.4.2 基于非线性的流形算法 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 基于决策树的J波识别方法 | 第47-57页 |
| 5.1 决策树方法基本理论 | 第47页 |
| 5.2 决策树C4.5 算法 | 第47-48页 |
| 5.3 基于样本选取的决策树改进算法 | 第48-50页 |
| 5.3.1 算法原理 | 第48-49页 |
| 5.3.2 改进算法的实现 | 第49-50页 |
| 5.4 算法仿真及评价对比 | 第50-56页 |
| 5.4.1 评价标准定义 | 第50-51页 |
| 5.4.2 特征信息增益分析 | 第51页 |
| 5.4.3 基于决策树的J波识别验证 | 第51-54页 |
| 5.4.4 与其他算法对比 | 第54-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57-58页 |
| 6.2 不足之处 | 第58页 |
| 6.3 下一步工作及前景展望 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-67页 |
| 攻读学位期间学术成果及参与项目 | 第67页 |
