Hadoop云环境下的高频脑电非线性动力学参数疾病诊断专家系统研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 课题背景和意义 | 第9-10页 |
| 1.2 文献综述 | 第10-11页 |
| 1.3 主要研究内容 | 第11-12页 |
| 第2章 相关技术理论 | 第12-28页 |
| 2.1 高频脑电基本特征 | 第12-13页 |
| 2.2 非线性动力学参数 | 第13-19页 |
| 2.2.1 关联数维 | 第13-14页 |
| 2.2.2 Lyapunov指数 | 第14-17页 |
| 2.2.3 Kolmogorov复杂度 | 第17-18页 |
| 2.2.4 近似熵 | 第18-19页 |
| 2.3 RBF概率神经网络 | 第19-21页 |
| 2.3.1 分类思想 | 第20-21页 |
| 2.3.2 RBF概率神经网络分类的优点 | 第21页 |
| 2.4 Hadoop云计算 | 第21-25页 |
| 2.4.1 Hadoop云计算体系结构 | 第21-22页 |
| 2.4.2 HDFS分布式文件系统 | 第22-23页 |
| 2.4.3 HBase分布式存储系统 | 第23-24页 |
| 2.4.4 MapReduce编程模型 | 第24-25页 |
| 2.4.5 ZooKeeper系统协调管理框架 | 第25页 |
| 2.5 统计学分析 | 第25页 |
| 2.6 独立分量分析(ICA) | 第25-28页 |
| 第3章 系统设计与主要内容 | 第28-41页 |
| 3.1 诊断专家系统原型 | 第28-31页 |
| 3.1.1 诊断专家系统知识开发的技术流程 | 第28-30页 |
| 3.1.2 高频脑电诊断专家系统设计方案 | 第30-31页 |
| 3.2 非线性动力学特征值比较分析 | 第31-37页 |
| 3.2.1 关联维数统计结果 | 第32-34页 |
| 3.2.2 Lyapunov指数统计结果 | 第34-37页 |
| 3.2.3 老年人和青年人五个状态下脑电对比结果 | 第37页 |
| 3.3 非线性动力学参数结果与ICA结果的对比 | 第37-41页 |
| 第4章 技术实现 | 第41-52页 |
| 4.1 高频脑电专家系统的功能 | 第41页 |
| 4.2 数据库设计 | 第41-45页 |
| 4.3 数据存储与计算的实现 | 第45-52页 |
| 4.3.1 数据存储的实现 | 第45-47页 |
| 4.3.2 数据计算的实现 | 第47-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间发表的学术成果 | 第58页 |
