首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

胆囊炎和肾病综合症脉象信号的特征提取与分类研究

摘要第1-6页
Abstract第6-10页
第1章 绪论第10-16页
   ·课题来源第10页
   ·课题背景及研究目的和意义第10-12页
     ·课题背景第10-11页
     ·研究目的和意义第11-12页
   ·国内外研究现状第12-14页
     ·脉象采集系统第12-13页
     ·预处理及特征提取第13-14页
     ·模式分类第14页
   ·本文的主要研究内容第14-16页
第2章 脉象信号的采集和脉象数据库第16-22页
   ·引言第16页
   ·脉象信号的采集第16-20页
     ·脉象采集系统第16-17页
     ·脉象信号的采集第17-20页
   ·脉象数据库第20-21页
   ·本章小结第21-22页
第3章 脉象信号的预处理第22-33页
   ·引言第22页
   ·基于小波变换的脉象信号滤波处理第22-25页
   ·去除基线漂移第25-28页
   ·去除伪峰第28-32页
   ·本章小结第32-33页
第4章 脉象信号的特征提取第33-48页
   ·引言第33页
   ·时域特征提取第33-41页
     ·时域特征及其生理意义第33-35页
     ·小波变换检测信号奇异点的原理第35-37页
     ·时域特征的提取第37-41页
   ·基于小波包最优基的能量特征提取第41-47页
     ·小波包基本原理第42-43页
     ·小波包最优基的选取第43-44页
     ·脉象信号的小波包最优基第44-45页
     ·能量特征的提取第45-47页
   ·本章小结第47-48页
第5章 脉象信号的分类第48-62页
   ·引言第48页
   ·KNN 对脉象信号的分类第48-52页
     ·KNN第48-49页
     ·实验设计第49-50页
     ·KNN 分类结果第50-52页
   ·支持向量机对脉象信号的分类第52-58页
     ·支持向量机(SVM)第52-54页
     ·实验设计第54-55页
     ·SVM 分类结果第55-58页
   ·脉象融合技术第58-61页
     ·特征融合第58-60页
     ·分类器融合第60-61页
   ·本章小结第61-62页
结论第62-64页
参考文献第64-68页
攻读学位期间发表的学术论文第68-70页
致谢第70页

论文共70页,点击 下载论文
上一篇:基于自相似性的网络流量抽样方法研究与应用
下一篇:防火墙与入侵检测联动响应策略研究及系统实现