基于支持向量机的J波诊断技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 第一章 绪论 | 第12-20页 |
| ·课题的研究背景及意义 | 第12-13页 |
| ·J波及J波综合征研究概况 | 第13-16页 |
| ·J波简介 | 第13-15页 |
| ·J波综合征 | 第15-16页 |
| ·机器学习及SVM研究内容简介 | 第16-18页 |
| ·论文的主要工作 | 第18-20页 |
| 第二章 支持向量机及特征向量相关理论 | 第20-30页 |
| ·支持向量机 | 第20-27页 |
| ·统计学习理论 | 第20-23页 |
| ·支持向量机理论 | 第23-26页 |
| ·参数优化相关理论 | 第26-27页 |
| ·特征向量选取方法 | 第27-29页 |
| ·特征选择 | 第27-28页 |
| ·特征提取 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于支持向量机的J波分类算法 | 第30-42页 |
| ·ECG波形介绍与J波信号采集 | 第30-31页 |
| ·基于SVM的J波分类 | 第31-38页 |
| ·预处理 | 第31-33页 |
| ·特征向量选择 | 第33-36页 |
| ·PCA及特征提取 | 第36-37页 |
| ·分类 | 第37-38页 |
| ·算法性能分析 | 第38-41页 |
| ·分类评价标准 | 第38-39页 |
| ·仿真分析 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于变步长支持向量机的J波检测算法 | 第42-54页 |
| ·变步长理论 | 第42-44页 |
| ·变步长SVM的J波分类算法 | 第44-50页 |
| ·全局特征和局部特征 | 第45-48页 |
| ·ICA及特征融合 | 第48-49页 |
| ·分类 | 第49-50页 |
| ·算法性能分析 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| ·总结 | 第54-55页 |
| ·下一步工作及前景展望 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62-64页 |
| 攻读学位期间学术成果及参与项目 | 第64页 |
