| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-21页 |
| ·研究目的及意义 | 第10-13页 |
| ·心电图的定义和作用 | 第10页 |
| ·心电波形产生的生理学基础简介 | 第10-11页 |
| ·动态心电图的引入和应用 | 第11-12页 |
| ·针对动态心电信号在线实时分析的研究目的 | 第12-13页 |
| ·动态心电图波形特点 | 第13-16页 |
| ·心电波形介绍 | 第13-14页 |
| ·动态心电图波形类型的分布特点 | 第14-15页 |
| ·常见的动态心电图实时采集设备 | 第15-16页 |
| ·计算机技术用于动态心电图分析的研究现状 | 第16-18页 |
| ·心电信号的滤波预处理 | 第17页 |
| ·心电信号中的QRS波群检测 | 第17-18页 |
| ·ECG信号的分类识别及诊断 | 第18页 |
| ·动态心电波形的筛选 | 第18-20页 |
| ·动态心电数据在线分析中存在的问题 | 第18-19页 |
| ·对动态心电信号进行在线实时分析 | 第19-20页 |
| ·文章主要内容及框架 | 第20-21页 |
| 第二章 实验波形数据的分析处理 | 第21-34页 |
| ·心电数据的来源 | 第21-27页 |
| ·头文件的识读 | 第21-22页 |
| ·数据文件的识读 | 第22-23页 |
| ·注释文件的识读 | 第23-27页 |
| ·心电数据的特征形成 | 第27-30页 |
| ·实验所用心电数据 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 动态心电信号特征的提取和选择 | 第34-47页 |
| ·数据在线分析特征提取的必要性 | 第34页 |
| ·数据特征提取和选择 | 第34-36页 |
| ·数据特征提取和选择概述 | 第34-35页 |
| ·心电数据降维方法选择依据 | 第35-36页 |
| ·降维方法分析 | 第36-41页 |
| ·主成分分析 | 第36-38页 |
| ·奇异值分解法 | 第38页 |
| ·基于人工神经网络的Sanger算法 | 第38-41页 |
| ·降维算法实验分析 | 第41-46页 |
| ·主成分分析法特征提取 | 第41-43页 |
| ·奇异值分解法特征提取 | 第43-44页 |
| ·使用Sanger神经网络进行特征提取 | 第44页 |
| ·降维算法比对实验 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 动态心电波形聚类分析 | 第47-66页 |
| ·聚类分析 | 第47-51页 |
| ·聚类分析介绍 | 第47页 |
| ·聚类定义 | 第47-48页 |
| ·聚类的评价准则 | 第48页 |
| ·聚类中所使用的模式相似性度量 | 第48-49页 |
| ·聚类算法简述 | 第49-51页 |
| ·最大最小距离聚类算法 | 第51-53页 |
| ·k-means算法 | 第53-57页 |
| ·k-means算法以及算法流程 | 第53-55页 |
| ·k-means聚类算法中聚类数和初始中心的问题 | 第55-56页 |
| ·初始中心问题和聚类数问题的解决策略 | 第56-57页 |
| ·Max-min Distance_k-means策略 | 第57-58页 |
| ·Max-min Distance_k-means聚类策略的缺点 | 第58页 |
| ·模拟退火算法 | 第58-64页 |
| ·模拟退火算法的基本概念 | 第58-62页 |
| ·基于模拟退火算法思想的改进k均值聚类算法 | 第62-64页 |
| ·实验数据分析 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第五章 动态心电信号的在线实时分析策略 | 第66-70页 |
| ·在线实时分析策略概述 | 第66页 |
| ·动态心电图在线实时分析策略 | 第66-67页 |
| ·动态心电图在线实时分析的目的 | 第66-67页 |
| ·动态心电图实时分析流程 | 第67页 |
| ·实验数据分析 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 总结和展望 | 第70-72页 |
| ·总结 | 第70页 |
| ·下一步工作重点 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 发表论文和科研情况说明 | 第75-76页 |
| 致谢 | 第76页 |