生命特征信号分类若干方法的研究与应用
摘要 | 第1-7页 |
ABSTRACT | 第7-8页 |
目录 | 第8-11页 |
第一章 绪论 | 第11-14页 |
·研究背景 | 第11-12页 |
·生命特征信号及诊断意义 | 第12-13页 |
·本文主要内容 | 第13-14页 |
第二章 心电图分类工作及国内外研究成果 | 第14-24页 |
·心电图分类工作 | 第14-17页 |
·心电图基本概念 | 第14-15页 |
·信号分类的主要工作 | 第15-16页 |
·灵敏度和特异性 | 第16-17页 |
·MIT-BIH心率异常数据库 | 第17-19页 |
·数据库简介 | 第17-18页 |
·数据使用情况 | 第18-19页 |
·国内外主要研究成果 | 第19-24页 |
·主要分类方法 | 第19-22页 |
·论文结果汇总 | 第22-24页 |
第三章 改进的独立成分分析及支持向量机 | 第24-38页 |
·改进的独立成分分析法 | 第24-29页 |
·基本框架介绍 | 第24-25页 |
·信号处理的步骤 | 第25-26页 |
·基于负熵的固定点算法 | 第26-27页 |
·针对单个心拍数据的改进 | 第27-28页 |
·基于多导联数据的算法改进 | 第28-29页 |
·支持向量机 | 第29-32页 |
·基本算法 | 第30页 |
·支持向量机的优缺点 | 第30-31页 |
·多分类问题 | 第31-32页 |
·数据库实验效果 | 第32-38页 |
·数据及特征 | 第32-33页 |
·分类实验及结果 | 第33-35页 |
·误判心拍讨论 | 第35-38页 |
第四章 其它几种特征分类模型 | 第38-55页 |
·线性预测模型和主成分分析 | 第38-41页 |
·线性预测 | 第38-39页 |
·主成分分析法 | 第39-40页 |
·特征提取 | 第40-41页 |
·基于专家系统的可信度模型 | 第41-45页 |
·不确定性推理方法 | 第41-42页 |
·可信度模型 | 第42-43页 |
·特征描述 | 第43-45页 |
·基于随机过程的隐马尔可夫模型 | 第45-48页 |
·随机过程简介 | 第45页 |
·模型参数定义及算法思路 | 第45-47页 |
·参数设定 | 第47-48页 |
·各模型分类效果 | 第48-49页 |
·误判心拍讨论及归纳 | 第49-55页 |
·三种模型均误判 | 第49-52页 |
·两种模型误判 | 第52-53页 |
·一种模型误判 | 第53-55页 |
第五章 实时心电图分类实验 | 第55-65页 |
·实时心电图数据使用情况 | 第55-57页 |
·数据标注及疾病词典 | 第55-56页 |
·实验数据量 | 第56-57页 |
·多种模型的实验效果 | 第57-59页 |
·单导联数据实验 | 第57-58页 |
·十二导联数据实验 | 第58-59页 |
·实验结果分析 | 第59-65页 |
·各种疾病的分类效果 | 第60-61页 |
·误判心拍讨论 | 第61-63页 |
·处理思路 | 第63-65页 |
第六章 模型改进及实验效果 | 第65-75页 |
·特征选择 | 第65-69页 |
·算法步骤 | 第65-66页 |
·互信息估计 | 第66-67页 |
·MIT数据库实验讨论 | 第67-68页 |
·实时数据实验讨论 | 第68-69页 |
·特征融合 | 第69-71页 |
·概念及算法 | 第69-70页 |
·实时数据实验讨论 | 第70-71页 |
·分类器的改进 | 第71-72页 |
·最终模型 | 第72-75页 |
·实验结果 | 第72-74页 |
·最终模型的优缺点 | 第74-75页 |
第七章 总结及展望 | 第75-77页 |
·总结 | 第75-76页 |
·项目展望 | 第76-77页 |
附录 | 第77-85页 |
1 独立成分分析算法流程图 | 第77-78页 |
2 支持向量机算法流程图 | 第78-79页 |
3 线性预测模型算法流程图 | 第79-80页 |
4 改进的可信度模型算法流程图 | 第80-81页 |
5 隐马尔可夫模型算法流程图 | 第81-82页 |
6 本文最终模型的算法流程图 | 第82-83页 |
7 实验数据说明及模型对照 | 第83-85页 |
参考文献 | 第85-91页 |
攻读硕士学位期间发表的论文 | 第91-92页 |
致谢 | 第92页 |