传统医学研究主要依靠专家经验,基于数学方法的医学分析收获甚少,限制了医学诊断的人工智能化研究的发展。日益发展的基础科学丰富了医学数学化研究的成果,降低了医学诊断对专家经验的依赖,提高了医学诊断的准确度和效率,使得智能化计算机辅助分析成为可能。近年来,非线性引起了医学研究者的广泛关注。非线性机制更接近人体生理活动特点,可以解决诸多线性科学无法解决的难点问题。非线性方法已在医学领域得到了众多有价值的成果,非线性与医学的结合在未来将有广阔的前景。目前的文献中,对各种非线性方法的应用研究都相对单一,即只单独讨论某一种方法的结果或比较不同方法的结果,对不同方法的互补性鲜有涉及。本文以ECG信号为载体研究医学上的心率不齐现象,采用相空间重构,关联维分析为主,傅立叶变换,分形维,矩阵奇异值分解为辅的综合分析方法。其中,相空间重构投影及矩阵奇异值大小对比的特征挖掘方法在其他研究中尚未见使用。实验结果表明,正常心率和不齐心率的傅立叶变换与分形维结果没有显著差别,但相空间重构投影,矩阵奇异值分解结果存在明显区别,具备临床应用潜力;通过相空间重构及矩阵奇异值分解的辅助,发现关联维虽然能提供心脏机能复杂度的量化说明,与心率状况联系并不密切,该结论补充了以往ECG的关联维研究。实验结果也表明,单独使用相空间重构,关联维,奇异值分解三种方法中的任何一个都存在缺点,但这三种方法在实验中显示了互补性,即三种方法结合使用能互相弥补单独使用某种方法时的缺点,互相充实对方的结果。这种互补性表现在,相较只使用单个方法,结合使用三种方法的结果判断心率状况的准确率更高,提供的信息也更丰富。本文据此提出了一个综合使用三种方法的独特的心率和心脏生理机能智能判别模型。基于整理出的结果,将上述方法中的几种应用于前沿问题的初步探索,发现癌症质谱大分子质量峰的分形维和非癌症样本存在差异,同一对象不同时段脉搏波数据的非线性结构有所改变,并对此提出自己的猜想。