基于粗糙集与支持向量机的心电信号分类研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 引言 | 第7-8页 |
| 第一章 心电信号基础 | 第8-16页 |
| ·心电信号研究的背景及意义 | 第8页 |
| ·心电信号的产生机理及特点 | 第8-11页 |
| ·心脏传导系统与心电信号的产生机理 | 第8-10页 |
| ·心电信号特点 | 第10-11页 |
| ·正常心电图和波形测量 | 第11-14页 |
| ·正常心电图 | 第11-13页 |
| ·波形测量 | 第13-14页 |
| ·心电自动分析技术现状 | 第14-16页 |
| 第二章 粗糙集基本知识 | 第16-21页 |
| ·粗糙集理论应用状况 | 第16页 |
| ·粗糙集理论的基本概念 | 第16-19页 |
| ·信息系统和不可分辨关系 | 第17页 |
| ·粗糙集与近似 | 第17-18页 |
| ·约简与核 | 第18-19页 |
| ·知识的依赖性 | 第19-21页 |
| 第三章 支持向量机理论和加权二叉树多类支持向量机 | 第21-32页 |
| ·机器学习 | 第21-22页 |
| ·统计学习理论概述 | 第22-23页 |
| ·VC 维和推广性的界 | 第22-23页 |
| ·结构风险最小化准则 | 第23页 |
| ·支持向量机基础 | 第23-28页 |
| ·基本概念 | 第24-25页 |
| ·线性支持向量机 | 第25-27页 |
| ·非线性可分支持向量机 | 第27-28页 |
| ·多类分类方法比较 | 第28-32页 |
| ·常用的多类分类方法介绍 | 第28-29页 |
| ·全局最优化 | 第28-29页 |
| ·一对多和一对一分类 | 第29页 |
| ·加权二叉树多类支持向量机分类的提出 | 第29-32页 |
| ·类间分离性测度 | 第30页 |
| ·本文算法描述 | 第30-32页 |
| 第四章 实验数据及特征选择 | 第32-35页 |
| ·实验数据描述 | 第32页 |
| ·特征的选取 | 第32-34页 |
| ·QRS 波的特征选取 | 第33页 |
| ·特征空间约简 | 第33-34页 |
| ·训练时间复杂度 | 第34-35页 |
| 第五章 参数选择与实验结果分析 | 第35-39页 |
| ·核参数的选择 | 第35页 |
| ·对三种 QRS 波形态的分类 | 第35-36页 |
| ·结论与讨论 | 第36-39页 |
| 总结与展望 | 第39-40页 |
| 参考文献 | 第40-44页 |
| 致谢 | 第44页 |
