| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 睡眠分期研究 | 第11-12页 |
| 1.2.2 睡眠监测技术的研究 | 第12-13页 |
| 1.3 本文主要研究内容 | 第13-14页 |
| 第二章 心冲击图信号的心率变异特征与睡眠分期关系 | 第14-22页 |
| 2.1 睡眠分期的基础理论 | 第14-15页 |
| 2.2 压电睡眠信号特点 | 第15-17页 |
| 2.3 心率变异性的理论基础及研究方法 | 第17-19页 |
| 2.4 心率变异性与睡眠的关系 | 第19-21页 |
| 2.5 基于心率变异性的睡眠分期的研究方法 | 第21页 |
| 2.6 本章小结 | 第21-22页 |
| 第三章 基于支持向量机的睡眠分期算法研究 | 第22-48页 |
| 3.1 算法设计 | 第22-28页 |
| 3.1.1 支持向量机的基础理论 | 第23-25页 |
| 3.1.2 主成分分析理论基础 | 第25页 |
| 3.1.3 支持向量机参数优化算法 | 第25-27页 |
| 3.1.3.1 参数优化算法简介 | 第26页 |
| 3.1.3.2 遗传算法基本理论 | 第26-27页 |
| 3.1.4 交叉验证法简介 | 第27-28页 |
| 3.2 最优支持向量机模型的训练实验 | 第28-40页 |
| 3.2.1 RR序列的获取 | 第30页 |
| 3.2.2 心率变异特征的提取 | 第30-33页 |
| 3.2.3 基于主成分分析的数据预处理 | 第33-34页 |
| 3.2.4 遗传算法优化支持向量机 | 第34-35页 |
| 3.2.5 最优支持向量机模型的获取 | 第35-40页 |
| 3.3 基于支持向量机的睡眠分期 | 第40-46页 |
| 3.3.1 心跳间隔序列的获取和预处理 | 第40-41页 |
| 3.3.2 心率变异特征提取和预处理 | 第41-43页 |
| 3.3.3 基于支持向量机实现睡眠分期 | 第43-46页 |
| 3.4 讨论 | 第46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 睡眠监护系统的设计与实现 | 第48-62页 |
| 4.1 系统总体设计 | 第48-49页 |
| 4.1.1 应用设计要求 | 第48页 |
| 4.1.2 系统结构设计 | 第48-49页 |
| 4.2 系统开发框架 | 第49-50页 |
| 4.3 系统详细设计 | 第50-61页 |
| 4.3.1 睡眠监护应用设计 | 第50-52页 |
| 4.3.2 服务器端设计 | 第52-53页 |
| 4.3.3 数据库设计 | 第53-55页 |
| 4.3.4 基于支持向量机的睡眠分期算法的JAVA实现 | 第55-56页 |
| 4.3.5 系统功能实现 | 第56-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62页 |
| 5.2 展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 硕士期间取得的研究成果 | 第70页 |