基于独立分量分析特征提取的心电信号模式识别的研究
| 摘要 | 第1-8页 |
| ABSTRACT(英文摘要) | 第8-12页 |
| 主要符号对照表 | 第12-13页 |
| 第一章 绪论 | 第13-18页 |
| ·心电信号基础 | 第13-15页 |
| ·模式识别中和特征提取与特征选择 | 第15-17页 |
| ·本论文主要工作及内容安排 | 第17-18页 |
| 第二章 独立分量分析(ICA) | 第18-31页 |
| ·盲信号处理问题的一般框架 | 第18-19页 |
| ·独立分量分析(ICA)模型 | 第19-29页 |
| ·主分量分析(PCA) | 第19-20页 |
| ·白化(Whitening) | 第20页 |
| ·ICA问题的定义 | 第20-22页 |
| ·极小化互信息方法 | 第22-25页 |
| ·极大化负熵方法 | 第25-26页 |
| ·极大似然估计 | 第26-27页 |
| ·高阶矩和高阶累积量 | 第27-28页 |
| ·非线性PCA | 第28-29页 |
| ·ICA在生物医学信号处理中的应用 | 第29-31页 |
| ·ICA消除心电信号中的肌电伪迹 | 第30页 |
| ·ICA用于胎儿心电图的分离 | 第30页 |
| ·ICA用于提取心电信号子成份 | 第30-31页 |
| 第三章 基于ICA的特征提取方法 | 第31-41页 |
| ·信号的线性表示 | 第31-35页 |
| ·信号的紧致表示 | 第31-33页 |
| ·信号的稀疏表示 | 第33-35页 |
| ·ICA特征提取方案 | 第35-41页 |
| ·基于ICA的两种特征提取方案 | 第35-36页 |
| ·ICA的特征提取方案Ⅰ:统计独立的基 | 第36-37页 |
| ·ICA的特征提取方案Ⅱ:统计独立的编码 | 第37-41页 |
| 第四章 基于超完备特征的特征选择 | 第41-52页 |
| ·心电信号的超完备特征 | 第41-43页 |
| ·超完备特征表示 | 第41页 |
| ·心电信号的小波特征 | 第41-43页 |
| ·特征选择 | 第43-52页 |
| ·相关特征 | 第45页 |
| ·基于互信息的相关特征选择 | 第45-52页 |
| 第五章 心电信号识别实验与比较 | 第52-63页 |
| ·心电信号数据库 | 第52-54页 |
| ·分类器设计 | 第54页 |
| ·心博类型的自动分类与识别 | 第54-59页 |
| ·基于小波特征的心博类型识别 | 第55-56页 |
| ·基于ICA特征的心博类型识别 | 第56-59页 |
| ·基于超完备特征的心博类型识别 | 第59页 |
| ·心搏识别比较 | 第59-63页 |
| 第六章 总结与展望 | 第63-65页 |
| ·本文的主要工作和创新点 | 第63页 |
| ·工作展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 附录A 完整的识别系统框图 | 第69-70页 |
| 致谢 | 第70-71页 |
| 个人简历、在学期间的研究成果及发表的论文 | 第71页 |
