本文研究了基于支持向量机算法的心电图分类,创造性地提出了利用支持向量机1-v-1 SVMs(One-Versus-One)算法对心电图进行分类的方法。并通过MIT-BIH心电数据库进行实例分析,获得了较高的识别率,且在算法模型的构造和分类速度上优于常规方法。在引言中介绍了论文的研究目的与意义,ECG识别的现状及支持向量机的研究进展。在第一章中,介绍了心电图的常识与测量方法。在第二章中,概要总结了统计学习理论与支持向量机方法的基本理论。在第三章中,结合支持向量机对ECG多分类问题进行了研究并提出了一系列的分类方法和特点以及采用支持向量机进行分类的优势。在第四章中,分析了各种方法的优劣,最终选取利用支持向量机1-v-1 SVMs(One-Versus-One)算法对心电图进行分类。先确定了算法的模型,然后选取合适的核函数和参数,并通过MIT-BIH心电数据库进行了实例分类试验。最后对全文进行了总结,并指出了下一步研究的问题与方向。