基于小波包与SVM的低频振荡模式辨识研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 低频振荡分析研究现状 | 第11-16页 |
| 1.2.1 低频振荡概述 | 第11-12页 |
| 1.2.2 低频振荡产生机理 | 第12-14页 |
| 1.2.3 低频振荡分析方法 | 第14-16页 |
| 1.3 本文主要工作 | 第16-17页 |
| 第二章 小波包信号滤波理论分析 | 第17-30页 |
| 2.1 引言 | 第17页 |
| 2.2 小波分析理论 | 第17-18页 |
| 2.3 小波包分析 | 第18-21页 |
| 2.3.1 小波包理论 | 第18-19页 |
| 2.3.2 小波包的分解与重构 | 第19-20页 |
| 2.3.3 小波基的选择 | 第20-21页 |
| 2.4 小波包去噪方法分析 | 第21-24页 |
| 2.4.1 传统阈值去噪方法 | 第21-22页 |
| 2.4.2 最优小波包基降噪 | 第22-24页 |
| 2.5 小波包分解信号与特征向量 | 第24-25页 |
| 2.6 算例仿真 | 第25-29页 |
| 2.6.1 小波包去噪仿真分析 | 第25-28页 |
| 2.6.2 小波包提取信号能量特征向量仿真分析 | 第28-29页 |
| 2.7 本章小结 | 第29-30页 |
| 第三章 支持向量机分析 | 第30-41页 |
| 3.1 引言 | 第30页 |
| 3.2 支持向量机基础 | 第30-35页 |
| 3.2.1 线性可分SVM | 第30-33页 |
| 3.2.2 线性不可分SVM | 第33-35页 |
| 3.3 核函数及参数选择 | 第35-38页 |
| 3.4 多分类的SVM | 第38页 |
| 3.5 SVM分类仿真分析 | 第38-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 基于小波包与SVM的低频振荡模式辨识分析 | 第41-58页 |
| 4.1 引言 | 第41页 |
| 4.2 主成分分析 | 第41-44页 |
| 4.2.1 主成分分析数学模型 | 第41-42页 |
| 4.2.2 主成分贡献率 | 第42-43页 |
| 4.2.3 主成分分析的算法步骤 | 第43-44页 |
| 4.3 基于小波包与SVM的低频振荡分析 | 第44页 |
| 4.4 仿真分析 | 第44-57页 |
| 4.4.1 单模式时不变信号仿真分析 | 第46-48页 |
| 4.4.2 含多模式时变信号仿真分析 | 第48-53页 |
| 4.4.3 4机2区域模型仿真分析 | 第53-57页 |
| 4.5 本章小结 | 第57-58页 |
| 总结与展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-67页 |
| 附录A (攻读硕士学位期间发表的相关论文及专利) | 第67-68页 |
| 附录B (攻读硕士学位期间所参与的项目及实践) | 第68页 |
