第1章 绪论
1.2 国内外发展研究现状
1.2.2心电图数据分类研究现状
1.2.3迁移学习研究现状
1.3 本文的主要研究内容
1.4 本文的组织结构
第2章 小样本心电图数据分类算法概述
2.1.2动态时间规整
2.2 心电图数据分类方法
2.2.2 Softmax分类器
2.3 过拟合缓解方法
2.3.1 L1和L2正则化
2.3.2批量标准化
2.4 迁移学习方法
2.4.2深度网络自适应
2.5 本章小结
第3章 基于代价敏感学习的心电图分类网络
3.1.2预处理步骤
3.2 基于SDAE和Bi-LSTM的ECG信号分类模型
3.2.2双向长短期记忆神经网络分类器
3.3 不平衡数据集解决方法
3.3.2基于代价敏感学习的权重改进
3.4 心电图时序数据分类网络的实验设计与分析
3.4.1实验评价指标
3.4.2堆栈式降噪自编码器参数对比实验
3.4.3后续分类器对比实验
3.4.4代价敏感学习模型对比实验
3.4.5常见心电图数据分类方法对比实验
3.5 本章小结
第4章 基于迁移学习改进的小样本心电图分类网络
4.2 基于迁移学习的分类网络改进
4.2.2融合自适应批量标准化的小样本心电图分类网络
4.3 小样本心电图数据分类网络的实验设计与分析
4.3.2实验设计标准
4.3.3自适应批量化机制对比实验
4.3.4迁移学习方法对比实验
4.4 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其他成果
声明
哈尔滨工业大学;