基于遗传算法和多层感知器的人体生理信号分类研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 论文的研究内容 | 第13-14页 |
| 1.4 论文结构安排 | 第14-16页 |
| 第二章 人体生理信号基础知识与分析方法 | 第16-30页 |
| 2.1 脑电信号 | 第16-19页 |
| 2.1.1 脑电信号研究发展 | 第16-17页 |
| 2.1.2 脑电信号分类 | 第17-18页 |
| 2.1.3 脑电信号特点 | 第18-19页 |
| 2.2 肌电信号 | 第19-20页 |
| 2.3 国内外生理信号分析方法 | 第20-23页 |
| 2.3.1 时域分析法 | 第21页 |
| 2.3.2 频域分析法 | 第21-22页 |
| 2.3.3 时频分析法 | 第22页 |
| 2.3.4 非线性分析法 | 第22-23页 |
| 2.4 生理信号分类研究意义与难点 | 第23-25页 |
| 2.5 数据集 | 第25-29页 |
| 2.5.1 肌电信号数据集 | 第25-27页 |
| 2.5.2 脑电信号数据集 | 第27-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 基于遗传算法的人体生理信号的特征优化选择 | 第30-42页 |
| 3.1 遗传算法 | 第30-34页 |
| 3.1.1 遗传算法的基本原理 | 第30-31页 |
| 3.1.2 遗传算法的步骤 | 第31-32页 |
| 3.1.3 适应度函数 | 第32页 |
| 3.1.4 遗传算法基本流程图 | 第32-34页 |
| 3.2 特征提取 | 第34-39页 |
| 3.2.1 时域特征 | 第34-35页 |
| 3.2.2 快速傅里叶变换 | 第35-36页 |
| 3.2.3 经验模态分解 | 第36-38页 |
| 3.2.4 基于遗传算法的频域特征搜索方法 | 第38-39页 |
| 3.3 特征选择算法 | 第39-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 基于GA-MLP的人体生理信号分类 | 第42-48页 |
| 4.1 人工神经网络 | 第42-44页 |
| 4.1.1 人工神经元模型 | 第42-43页 |
| 4.1.2 激活函数 | 第43-44页 |
| 4.2 多层感知器 | 第44-46页 |
| 4.2.1 前馈神经网络 | 第44-45页 |
| 4.2.2 多层感知器简介 | 第45-46页 |
| 4.3 基于GA-MLP的人体生理信号分类 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 实验与结果分析 | 第48-62页 |
| 5.1 实验环境和参数设置 | 第48页 |
| 5.2 交叉验证方法 | 第48-49页 |
| 5.3 评价指标 | 第49页 |
| 5.4 结果和分析 | 第49-61页 |
| 5.4.1 肌肉电波实验 | 第49-52页 |
| 5.4.2 癫痫脑电波实验 | 第52-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第六章 生理信号分类应用 | 第62-70页 |
| 6.1 应用设计 | 第62-66页 |
| 6.2 应用实现 | 第66-69页 |
| 6.3 本章小结 | 第69-70页 |
| 第七章 总结与展望 | 第70-72页 |
| 7.1 总结 | 第70页 |
| 7.2 展望 | 第70-72页 |
| 参考文献 | 第72-79页 |
| 硕士期间发表学术论文情况 | 第79-80页 |
| 致谢 | 第80页 |
