基于多元统计分析方法的连续血糖监测仪故障检测研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 课题背景 | 第9-13页 |
| 1.1.1 糖尿病现状 | 第9-10页 |
| 1.1.2 人工胰脏 | 第10-13页 |
| 1.2 血糖仪故障检测研究现状 | 第13-17页 |
| 1.2.1 连续血糖检测仪 | 第13-15页 |
| 1.2.2 研究现状 | 第15-17页 |
| 1.2.3 存在问题 | 第17页 |
| 1.3 本文主要研究内容 | 第17-19页 |
| 1.4 本章小结 | 第19-21页 |
| 第2章 基于血糖数据分类的故障检测 | 第21-51页 |
| 2.1 引言 | 第21页 |
| 2.2 主成分分析 | 第21-22页 |
| 2.3 血糖数据分析 | 第22-27页 |
| 2.3.1 血糖数据线性分析 | 第23-25页 |
| 2.3.2 血糖数据平稳性分析 | 第25-27页 |
| 2.4 基于分类的连续血糖监測仪故障监测 | 第27-34页 |
| 2.4.1 基于迭代PCA的血糖数据分类 | 第27-31页 |
| 2.4.2 基于分类数据的在线PCA故障检测 | 第31-33页 |
| 2.4.3 常用故障检测性能指标 | 第33-34页 |
| 2.5 基于分类的连续血糖监测仪故障监测 | 第34-48页 |
| 2.5.1 数据集说明 | 第34-38页 |
| 2.5.2 分类故障检测性能验证 | 第38-48页 |
| 2.6 本章小结 | 第48-51页 |
| 第3章 基于贝叶斯决策融合的故障检测 | 第51-67页 |
| 3.1 引言 | 第51-52页 |
| 3.2 基于数据驱动的分类算法 | 第52-56页 |
| 3.2.1 决策树 | 第52-53页 |
| 3.2.2 朴素贝叶斯分类 | 第53-54页 |
| 3.2.3 费舍尔判别分析 | 第54-56页 |
| 3.3 基于决策融合的故障检测算法 | 第56-62页 |
| 3.3.1 分类血糖数据特征属性选择 | 第56-59页 |
| 3.3.2 基于费舍尔判别的血糖数据分类 | 第59-60页 |
| 3.3.3 基于贝叶斯融合的故障检测 | 第60-62页 |
| 3.4 验证结果 | 第62-65页 |
| 3.4.1 FDA多分类器在线判别验证 | 第62-63页 |
| 3.4.2 基于决策融合的多模型故障检测方法验证 | 第63-65页 |
| 3.5 本章小结 | 第65-67页 |
| 第4章 基于全局模型的连续血糖监测仪故障检测 | 第67-85页 |
| 4.1 引言 | 第67页 |
| 4.2 基于全局模型的故障检测算法 | 第67-78页 |
| 4.2.1 全局模型必要性 | 第67-72页 |
| 4.2.2 血糖数据共性分析 | 第72-75页 |
| 4.2.3 算法实现 | 第75-78页 |
| 4.3 验证结果 | 第78-83页 |
| 4.3.1 全局模型血糖分类结果验证 | 第78-81页 |
| 4.3.2 全局模型故障检测结果验证 | 第81-83页 |
| 4.4 本章小结 | 第83-85页 |
| 第5章 总结与展望 | 第85-87页 |
| 5.1 全文总结 | 第85-86页 |
| 5.2 工作期望 | 第86-87页 |
| 参考文献 | 第87-93页 |
| 致谢 | 第93-94页 |
| 攻读硕士学位期间主要的研究成果 | 第94页 |
