| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 课题研究背景与意义 | 第10-13页 |
| 1.2 心电信号自动分类算法的研究内容 | 第13-14页 |
| 1.3 心电信号自动分类算法的研究现状 | 第14-18页 |
| 1.3.1 心电信号滤波研究现状分析 | 第14页 |
| 1.3.2 心电信号QRS波群检测的研究现状分析 | 第14-15页 |
| 1.3.3 心电信号特征提取和分类器设计的研究现状分析 | 第15-18页 |
| 1.4 本文研究内容及创新性分析 | 第18-19页 |
| 1.5 各章节安排 | 第19-21页 |
| 第2章 心电信号的基础知识 | 第21-30页 |
| 2.1 心电信号的产生机理及心电图分析 | 第21-24页 |
| 2.2 心律失常分析 | 第24-27页 |
| 2.3 数据来源 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 心电信号预处理 | 第30-45页 |
| 3.1 心电信号滤波 | 第30-41页 |
| 3.1.1 心电信号特点及噪声种类 | 第30-31页 |
| 3.1.2 小波变换原理 | 第31-32页 |
| 3.1.3 基于小波分解的心电信号滤波 | 第32-38页 |
| 3.1.4 心电信号滤波效果评价 | 第38-41页 |
| 3.2 心拍划分 | 第41-44页 |
| 3.3 本章小结 | 第44-45页 |
| 第4章 基于深度置信网络的心拍分类 | 第45-69页 |
| 4.1 深度置信网络介绍 | 第45-46页 |
| 4.2 RBM的训练 | 第46-49页 |
| 4.3 基于深度置信网络的心拍分类 | 第49-68页 |
| 4.3.1 预训练阶段 | 第50-66页 |
| 4.3.2 权值初始化和微调阶段 | 第66-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第5章 结果分析和讨论 | 第69-77页 |
| 5.1 统计参数定义 | 第69-70页 |
| 5.2 实验结果讨论 | 第70-76页 |
| 5.2.1 深度置信网络层数讨论 | 第70-71页 |
| 5.2.2 微调前后分类结果对比 | 第71-72页 |
| 5.2.3 分类方法的抗噪声测试 | 第72-74页 |
| 5.2.4 本文方法与其他方法比较 | 第74-76页 |
| 5.3 本章小结 | 第76-77页 |
| 第6章 总结和展望 | 第77-79页 |
| 6.1 工作总结 | 第77-78页 |
| 6.2 工作展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-84页 |
| 攻读硕士学位期间发表论文情况 | 第84页 |