基于心率变异性的睡眠分期研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 睡眠分期的研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.2.1 国外研究现状 | 第12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 本文组织结构 | 第13-15页 |
| 第二章 实验数据获取 | 第15-20页 |
| 2.1 从心电数据库中获取仿真数据 | 第15-19页 |
| 2.1.1 MIT-BIH心电数据库介绍 | 第15页 |
| 2.1.2 仿真数据获取 | 第15-19页 |
| 2.2 本章小结 | 第19-20页 |
| 第三章 心率变异性特征提取及数据预处理 | 第20-42页 |
| 3.1 心率变异性简介 | 第20-22页 |
| 3.2 心率变异性特征提取 | 第22-39页 |
| 3.2.1 心率变异性时域指标提取 | 第23-24页 |
| 3.2.2 心率变异性频域指标提取 | 第24-31页 |
| 3.2.3 心率变异性非线性指标提取 | 第31-39页 |
| 3.3 数据预处理 | 第39-40页 |
| 3.3.1 数据清洗 | 第39页 |
| 3.3.2 数据标准化和归一化 | 第39-40页 |
| 3.4 数据特征降维 | 第40-41页 |
| 3.5 数据集划分 | 第41页 |
| 3.6 本章小结 | 第41-42页 |
| 第四章 使用多分类支持向量机进行睡眠分期 | 第42-56页 |
| 4.1 机器学习简介 | 第42-43页 |
| 4.2 支持向量机简介 | 第43-47页 |
| 4.2.1 线性可分支持向量机 | 第43-45页 |
| 4.2.2 线性支持向量机 | 第45-46页 |
| 4.2.3 非线性支持向量机 | 第46-47页 |
| 4.3 支持向量机中超参数的优化 | 第47-50页 |
| 4.3.1 支持向量机超参数介绍 | 第47-48页 |
| 4.3.2 支持向量机超参数寻优 | 第48-50页 |
| 4.4 支持向量机之SMO算法 | 第50-51页 |
| 4.5 多分类支持向量机 | 第51-55页 |
| 4.5.1 一对多方案 | 第52页 |
| 4.5.2 一对一方案 | 第52-53页 |
| 4.5.3 层次二叉树方案 | 第53-54页 |
| 4.5.4 有向无环图方案 | 第54-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第五章 睡眠分期仿真结果分析 | 第56-63页 |
| 5.1 支持向量机模型中的超参数调优 | 第56-59页 |
| 5.2 多分类支持向量机模型的训练 | 第59页 |
| 5.3 多分类支持向量机性能评估 | 第59-61页 |
| 5.4 模型性能之间的比对 | 第61页 |
| 5.5 本章小结 | 第61-63页 |
| 第六章 总结与展望 | 第63-66页 |
| 6.1 本文工作总结 | 第63-64页 |
| 6.2 不足与展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 附录 | 第72页 |
