心血管病是当前世界的头号杀手,很多国家都面临着逐渐增多的发病率。因此,及时的检测和预防心血管病具有重要的意义。研究心电图自动诊断技术,对于提高心电图的实时性、正确性,减轻医务人员的工作强度,具有十分显著的意义。在分析了现有心电图自动诊断方法和不足之处后,本文提出了一种基于语义特征的心电图自动诊断方法,并且围绕系统实现中的判定规则、推理机制、自学习机制等关键问题展开了深入的研究工作。论文主要工作及研究成果总结如下：(1)提出了一种新的知识表示——语义特征。并对如何从心电波形数据提取语义特征进行了探讨和详细的思路描述。语义特征是对几何特征的进一步提取,它不但能完全表达几何特征的相关特性,还具有结构化更强、表达性更好等重要特点。(2)提出了一种新的数据训练方法——面向过程的权重训练方法。它能应对训练时数据到来顺序的不同时性和离散性,并且能保证训练的结果与数据的到达次序无关。并对此公式,进行了数学上的证明。(3)设计并建立了数据知识库,供专家知识库系统调用和系统决策使用。包含的表有patient, repository, diseases, constant, ecgpoints等表,这些表共同构成了专家知识库系统的储备单元。(4)设计了自己的诊断推理机制,对存在或不存在的特征值进行了处理,分别用概率和反概率进行了计算。最终得出了各种病型的概率。(5)在Windows平台上对系统进行了初步实现,并为后续的功能扩展和界面美化奠定了基础。