| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-15页 |
| ·课题研究的意义 | 第8-9页 |
| ·提升小波 | 第9-11页 |
| ·脉象信号处理 | 第11-12页 |
| ·聚类分析方法 | 第12-14页 |
| ·本论文的主要研究工作 | 第14-15页 |
| 2 小波变换的基础知识与提升方案 | 第15-28页 |
| ·小波变换与提升小波的发展 | 第15-16页 |
| ·小波变换的基础知识 | 第16-20页 |
| ·连续小波变换 | 第16页 |
| ·离散小波变换 | 第16-17页 |
| ·多分辨率分析 | 第17-19页 |
| ·Mallat 算法 | 第19页 |
| ·小波基的基本性质 | 第19-20页 |
| ·提升小波理论 | 第20-27页 |
| ·小波分解与重构的多相位表示 | 第21-22页 |
| ·Laurent 多项式及Euclidean 算法 | 第22-23页 |
| ·多相位矩阵的因子分解 | 第23-24页 |
| ·提升算法 | 第24-27页 |
| ·本章小结 | 第27-28页 |
| 3 脉象信号的特征提取 | 第28-36页 |
| ·脉象信号的特征提取方法 | 第28-29页 |
| ·脉象信号的不同提升分解格式 | 第29-34页 |
| ·结论 | 第34-36页 |
| 4 基于 C 均值聚类的脉象信号识别 | 第36-50页 |
| ·模糊模式识别 | 第36-37页 |
| ·模糊集的基本知识 | 第37页 |
| ·模糊特征和模糊分类 | 第37-38页 |
| ·模糊化特征 | 第37-38页 |
| ·结果的模糊化 | 第38页 |
| ·聚类理论基础 | 第38-39页 |
| ·模糊C-均值算法及分析 | 第39-42页 |
| ·k 均值聚类算法 | 第39-40页 |
| ·推广的硬C-均值算法 | 第40-41页 |
| ·模糊C-均值聚类算法 | 第41-42页 |
| ·模糊C-均值算法的初始化 | 第42-44页 |
| ·初始点的选取 | 第43页 |
| ·加权指数m 的选取 | 第43-44页 |
| ·聚类数C | 第44页 |
| ·局部极值 | 第44页 |
| ·识别脉象信号的模糊C 均值（FCM）聚类算法 | 第44-49页 |
| ·实验步骤 | 第44-49页 |
| ·结论 | 第49-50页 |
| 5 结论与展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 附录 | 第55页 |