| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 信息融合的国内外研究现状 | 第11-12页 |
| 1.2.2 心血管疾病预测的国内外研究现状 | 第12-13页 |
| 1.3 论文的主要研究内容及组织结构 | 第13-15页 |
| 1.4 本章小结 | 第15-17页 |
| 2 关键技术及心血管疾病诊断因素分析 | 第17-31页 |
| 2.1 多模态信息融合技术分析 | 第17-20页 |
| 2.1.1 多模态信息融合 | 第17-18页 |
| 2.1.2 典型的信息融合模型 | 第18-20页 |
| 2.2 心血管疾病预测方法研究 | 第20-22页 |
| 2.2.1 基于知识经验的心血管疾病预测方法 | 第20-21页 |
| 2.2.2 基于样本数据的心血管疾病预测方法 | 第21-22页 |
| 2.3 基于信息融合的疾病预测方法 | 第22-25页 |
| 2.3.1 人工神经网络算法 | 第22-23页 |
| 2.3.2 贝叶斯（Bayes）分类算法 | 第23-24页 |
| 2.3.3 决策树（Decision Tree）算法 | 第24页 |
| 2.3.4 PCA—SVM联合方法 | 第24-25页 |
| 2.3.5 算法分析与比较 | 第25页 |
| 2.4 心血管疾病诊断因素 | 第25-30页 |
| 2.4.1 复杂医疗数据 | 第26-28页 |
| 2.4.2 纯数据医疗数据 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 3 心电图分析与处理 | 第31-39页 |
| 3.1 传统心电图分析方法 | 第31页 |
| 3.2 小波变换算法 | 第31-32页 |
| 3.3 小波变换分析心电信号 | 第32页 |
| 3.4 心电图特征点的检测 | 第32-37页 |
| 3.4.1 QRS波的检测 | 第33-34页 |
| 3.4.2 P波和T波的检测 | 第34-35页 |
| 3.4.3 检测结果分析与比较 | 第35-37页 |
| 3.5 心电信号的病理信息 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 4 心音分析与处理 | 第39-47页 |
| 4.1 心音特征分析 | 第39页 |
| 4.2 心音信号去噪处理 | 第39-41页 |
| 4.2.1 利用小波进行心音频带划分 | 第40-41页 |
| 4.3 心音信号特征检测 | 第41-44页 |
| 4.3.1 心音信号提取包络 | 第41-42页 |
| 4.3.2 检测结果分析与比较 | 第42-44页 |
| 4.4 心音信号的病理信息 | 第44-45页 |
| 4.5 本章小结 | 第45-47页 |
| 5 多模态信息融合的心血管疾病预测模型构建与实现 | 第47-63页 |
| 5.1 改进的PCA属性约简 | 第47-50页 |
| 5.1.1 一次主成分分析 | 第47-49页 |
| 5.1.2 结合专家打分的二次主成分分析 | 第49-50页 |
| 5.2 疾病预测模型 | 第50-54页 |
| 5.2.1 SVM疾病预测模型的建立 | 第50-52页 |
| 5.2.2 核函数的选择 | 第52-53页 |
| 5.2.3 核函数参数及惩罚因子选择 | 第53页 |
| 5.2.4 预测模型的样本输入要求 | 第53-54页 |
| 5.3 实验过程与结果分析 | 第54-62页 |
| 5.3.1 实验数据 | 第54页 |
| 5.3.2 实验过程 | 第54-57页 |
| 5.3.3 SVM预测模型的实现流程 | 第57-59页 |
| 5.3.4 实验结果与分析 | 第59-62页 |
| 5.4 本章小结 | 第62-63页 |
| 6 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 攻读硕士学位期间发表的学术论文及成果 | 第71-73页 |
| 附录A 攻读硕士期间发表的学术论文 | 第71页 |
| 附录B 攻读硕士期间参与的科研项目 | 第71页 |
| 附录C 申请专利或软件著作权 | 第71页 |
| 附录D 获奖情况 | 第71-73页 |
| 致谢 | 第73页 |