首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

心电监测时序数据识别算法研究

摘要第4-5页
abstract第5页
注释表第10-11页
缩略词第11-12页
第一章 绪论第12-21页
    1.1 论文选题背景及意义第12-13页
        1.1.1 研究背景第12-13页
        1.1.2 研究意义第13页
    1.2 国内外研究现状第13-16页
        1.2.1 心电信号预处理技术第14-15页
        1.2.2 波形检测与特征点定位算法第15-16页
        1.2.3 心电信号特征提取算法和波形分类方法第16页
    1.3 主要研究工作第16-18页
        1.3.1 研究内容第16-17页
        1.3.2 研究方法第17-18页
    1.4 本文的组织结构第18-21页
第二章 心电时序数据研究基础第21-29页
    2.1 心电数据介绍第21-26页
        2.1.1 标准心电图数据库第22-23页
        2.1.2 心电数据去噪第23-26页
    2.2 时序数据介绍第26-28页
        2.2.1 时序数据集介绍第26-27页
        2.2.2 数据相关定义第27-28页
    2.3 本章小结第28-29页
第三章 时间序列趋势特征表示算法第29-46页
    3.1 问题的提出及相关研究第29-30页
    3.2 趋势特征表示TFR算法描述第30-34页
        3.2.1 导数估计方法第31页
        3.2.2 数据的分段表示第31-33页
        3.2.3 TFR算法描述第33-34页
    3.3 实验分析第34-44页
        3.3.1 实验评价方法第34-36页
        3.3.2 评价指标第36-37页
        3.3.3 对比算法的参数设置第37-38页
        3.3.4 TFR参数设置第38页
        3.3.5 分类性能对比第38-40页
        3.3.6 聚类性能对比第40-42页
        3.3.7 算法效率对比第42-44页
        3.3.8 实验结果小结第44页
    3.4 本章小结第44-46页
第四章 时间序列快速相似性度量算法第46-61页
    4.1 问题的提出及相关研究第46-47页
    4.2 分段对齐距离FAD算法描述第47-53页
        4.2.1 FAD算法描述第48-51页
        4.2.2 FAD满足三角不等式的证明第51-53页
    4.3 实验分析第53-60页
        4.3.1 对比算法的参数设置第53页
        4.3.2 FAD参数设置第53-55页
        4.3.3 分类性能对比第55-56页
        4.3.4 聚类性能对比第56-59页
        4.3.5 算法效率对比第59-60页
        4.3.6 实验结果小结第60页
    4.4 本章小结第60-61页
第五章 一种心电数据多特征分类框架第61-74页
    5.1 问题的提出及相关研究第61-62页
    5.2 框架介绍第62-63页
    5.3 等距离随机采样度量ERS算法和模板提取算法描述第63-66页
        5.3.1 ERS算法描述第63-64页
        5.3.2 模板提取算法描述第64-66页
    5.4 心电数据常规特征提取第66-68页
    5.5 实验分析第68-72页
        5.5.1 ERS算法有效性验证第69-71页
        5.5.2 MFC框架有效性验证第71-72页
        5.5.3 不同相似度度量算法的比较第72页
    5.6 本章小结第72-74页
第六章 总结与展望第74-77页
    6.1 本文总结第74-75页
    6.2 展望第75-77页
参考文献第77-86页
致谢第86-87页
在学期间的研究成果及发表的学术论文第87页

论文共87页,点击 下载论文
上一篇:基于深度学习的暴力行为智能检测技术研究
下一篇:基于压缩感知的高光谱遥感影像重构方法研究