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--人工神经网络与计算论文

基于神经网络的ECG身份识别技术

摘要第5-6页
ABSTRACT第6-7页
第一章 绪论第10-17页
    1.1 课题背景及研究意义第10-12页
    1.2 ECG信号用于身份识别的研究第12-13页
    1.3 国内外研究现状第13-15页
        1.3.1 基于特征点提取的身份识别第13-14页
        1.3.2 基于波形提取的身份识别第14-15页
    1.4 本文数据来源第15页
    1.5 本文研究的内容第15-17页
第二章 小波变换理论第17-24页
    2.1 概述第17页
    2.2 常见的滤波方式第17-18页
    2.3 小波变换第18-20页
        2.3.1 连续小波变换第18-19页
        2.3.2 离散小波变换第19-20页
    2.4 多分辨率特性第20-21页
    2.5 Mallat算法和atrous算法第21-23页
    2.6 本章小结第23-24页
第三章 ECG信号的特征提取第24-37页
    3.1 小波基的选择第24-25页
    3.2 心电信号的特点第25-26页
    3.3 心电信号的预处理第26-31页
        3.3.1 滤除高频噪声第26-29页
        3.3.2 滤除低频噪声第29-31页
    3.4 ECG信号奇异点分析第31-34页
    3.5 ECG信号特征点提取第34-36页
        3.5.1 QRS波特征点的提取第34页
        3.5.2 P波和T波特征点的提取第34-36页
    3.6 本章小结第36-37页
第四章 神经网络理论基础与身份识别研究第37-61页
    4.1 神经网络的选择第37-46页
        4.1.1 BP神经网络分类器设计第38-40页
        4.1.2 径向基函数网络(RBFN)第40-46页
    4.2 ECG特征权重分析第46-48页
        4.2.1 线性判别式分析第46-47页
        4.2.2 特征权重分析第47-48页
    4.3 遗传算法简介第48-50页
        4.3.1 遗传算法简介第48-49页
        4.3.2 遗传算法特征第49-50页
    4.4 遗传算法的操作流程第50-52页
    4.5 GA-RBF模型建立第52-58页
        4.5.1 遗传算法优化RBF网络的可行性第52-53页
        4.5.2 GA-RBF算法设计第53-56页
        4.5.3 GA-RBF算法流程第56-58页
    4.6 实验结果及分析第58-60页
    4.7 本章小结第60-61页
第五章 总结与展望第61-63页
    5.1 总结第61页
    5.2 展望第61-63页
参考文献第63-66页
致谢第66-67页
附录(攻读学位期间论文发表情况)第67页

论文共67页,点击 下载论文
上一篇:微电极阵技术检测鞣酸对兔心室肌晚钠电流及激动传导的影响
下一篇:考虑风电出力不确定性的微网系统经济调度