| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-19页 |
| ·研究目的及意义 | 第10-11页 |
| ·动态心电图波形特点 | 第11-14页 |
| ·心电图波形简介 | 第11-12页 |
| ·动态心电图波形类型的分布特点 | 第12-13页 |
| ·动态心电图波形的检测特点 | 第13-14页 |
| ·计算机技术用于动态心电图的发展历史和现状 | 第14-16页 |
| ·ECG 信号的滤波预处理 | 第15页 |
| ·ECG 信号的QRS 波检测 | 第15-16页 |
| ·ECG 的分类识别及疾病诊断 | 第16页 |
| ·机器学习用于动态心电图筛选 | 第16-18页 |
| ·动态心电图自动筛选存在的问题 | 第17页 |
| ·机器学习用于动态心电图自动筛选 | 第17-18页 |
| ·文章主要内容及框架 | 第18页 |
| ·本章小结 | 第18-19页 |
| 第二章 动态心电图计算机分析预处理 | 第19-38页 |
| ·心电数据的来源 | 第19-21页 |
| ·心电信号分析 | 第21页 |
| ·心电波形的R 波定位 | 第21-24页 |
| ·R 波特性 | 第21-22页 |
| ·QRS 波检测方法 | 第22-23页 |
| ·基于滤波和阈值检测的方法 | 第23页 |
| ·基于小波变换的方法 | 第23-24页 |
| ·小波变换 | 第24-31页 |
| ·小波变换的定义 | 第24-25页 |
| ·二进小波变换 | 第25-26页 |
| ·多分辨率分析 | 第26-27页 |
| ·Mallat 算法 | 第27-30页 |
| ·小波变换的模极大值与信号奇异性检测 | 第30-31页 |
| ·基于小波变换的动态心电图的R 波检测 | 第31-36页 |
| ·动态心电图的R 波检测策略 | 第31-33页 |
| ·实验结果 | 第33-36页 |
| ·动态心电图数据预处理过程 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第三章 聚类算法研究 | 第38-48页 |
| ·聚类分析 | 第38-42页 |
| ·聚类分析介绍 | 第38页 |
| ·聚类的相似性度量 | 第38-41页 |
| ·主要聚类方法 | 第41-42页 |
| ·聚类有效性分析 | 第42-43页 |
| ·k-means 算法 | 第43-47页 |
| ·k-means 算法流程 | 第43-44页 |
| ·k-means 聚类数目的选择 | 第44-45页 |
| ·k-means 初始类中心的确定 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 动态心电图聚类策略 | 第48-62页 |
| ·动态心电图聚类策略综述 | 第48页 |
| ·SOM_AGG_k-means 策略 | 第48-56页 |
| ·自组织特征映射（SOM）神经网络 | 第49-53页 |
| ·SOM 网络结构及算法思想 | 第49-51页 |
| ·SOM 用于动态心电图的聚类 | 第51-53页 |
| ·凝聚聚类算法 | 第53-55页 |
| ·凝聚聚类算法思想 | 第53-54页 |
| ·凝聚聚类策略优化 | 第54-55页 |
| ·凝聚聚类策略用于动态心电图聚类 | 第55页 |
| ·实验设计 | 第55-56页 |
| ·Max-min Distance_k-means 策略 | 第56-60页 |
| ·最大最小距离算法 | 第57-59页 |
| ·最大最小距离算法流程 | 第57-58页 |
| ·最大最小距离算法的优缺点 | 第58-59页 |
| ·实验设计 | 第59-60页 |
| ·两种动态心电图聚类策略分析及总结 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| ·总结 | 第62-63页 |
| ·展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 发表论文和科研情况说明 | 第67-68页 |
| 致谢 | 第68-69页 |