拉曼散射信号的预处理及其应用于医学筛查技术的统计模式识别研究
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 一、绪论 | 第7-10页 |
| (一)研究背景及意义 | 第7-8页 |
| (二)论文的主要工作和章节安排 | 第8-10页 |
| 二、光谱信号预处理和模式识别理论 | 第10-32页 |
| (一)拉曼散射信号 | 第10-12页 |
| 1、拉曼散射信号的发展历史 | 第10-11页 |
| 2、拉曼散射信号的原理 | 第11页 |
| 3、拉曼散射信号的优劣势 | 第11页 |
| 4、实验拉曼散射信号的参数信息 | 第11-12页 |
| (二)小波变换 | 第12-15页 |
| 1、连续小波变换 | 第13页 |
| 2、离散小波变换 | 第13-14页 |
| 3、小波降噪原理 | 第14-15页 |
| (三)平滑滤波 | 第15-17页 |
| 1、滑动平均法算法的基本原理 | 第15页 |
| 2、局部加权回归算法(lowess) | 第15-17页 |
| (四)LMS自适应滤波器 | 第17-20页 |
| 1、LMS算法的基本原理 | 第17-18页 |
| 2、梯度()的计算 | 第18-20页 |
| (五)EMD和EEMD | 第20-22页 |
| 1、EMD的基本原理 | 第20页 |
| 2、EMD算法的过程 | 第20-21页 |
| 3、EEMD算法的原理 | 第21页 |
| 4、EEMD算法的过程 | 第21-22页 |
| (六)主成分分析(PCA) | 第22-24页 |
| 1、PCA算法的基本概念 | 第22页 |
| 2、PCA算法的基本原理 | 第22-24页 |
| (七)线性判别分析(LDA) | 第24-26页 |
| 1、LDA算法概述及思想 | 第24-25页 |
| 2、LDA算法的原理及推导 | 第25-26页 |
| (八)支持向量机 | 第26-27页 |
| (九)误差反传算法-BP神经网络 | 第27-31页 |
| 1、BP网络模型 | 第27-29页 |
| 2、BP算法的流程 | 第29-31页 |
| (十)本章小结 | 第31-32页 |
| 三、降噪算法的实验仿真与结果分析 | 第32-40页 |
| (一)传统降噪算法仿真实验及分析 | 第32-36页 |
| 1、小波降噪 | 第32-33页 |
| 2、平滑滤波降噪 | 第33-34页 |
| 3、EEMD降噪 | 第34-35页 |
| 4、LMS自适应滤波器降噪 | 第35-36页 |
| (二)平滑滤波联合VS-LMS原理与算法 | 第36-37页 |
| (三)平滑滤波联合VS-LMS实验仿真 | 第37-39页 |
| (四)本章小结 | 第39-40页 |
| 四、基于统计模式识别的拉曼信号甲状腺疾病筛查 | 第40-48页 |
| (一)模式识别历史及发展现状 | 第40页 |
| (二)统计模式识别原理与主要问题 | 第40-41页 |
| (三)甲状腺功能障碍疾病现状 | 第41页 |
| (四)实验过程及结果分析 | 第41-48页 |
| 1、实验材料及方法 | 第41-42页 |
| 2、实验仿真结果及讨论 | 第42-48页 |
| 五、总结和展望 | 第48-50页 |
| (一)总结 | 第48-49页 |
| (二)展望 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 作者攻读硕士学位期间科研工作及研究成果 | 第55-56页 |
| 致谢 | 第56-57页 |
