| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第7-8页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 新生儿疼痛表情识别研究的进展 | 第9-11页 |
| 1.3 本文主要内容 | 第11-12页 |
| 1.4 本文组织结构 | 第12-13页 |
| 第二章 基于 HLACLF 的新生儿疼痛表情特征提取 | 第13-28页 |
| 2.1 高阶自相关函数 | 第13-15页 |
| 2.1.1 高阶统计量 | 第13-14页 |
| 2.1.2 N 阶自相关函数 | 第14-15页 |
| 2.2 高阶局部自相关模板统计特征 | 第15-21页 |
| 2.2.1 传统高阶局部自相关函数 | 第15-18页 |
| 2.2.2 扩展高阶局部自相关函数 | 第18-21页 |
| 2.3 基于 HLACLF 的特征提取 | 第21-24页 |
| 2.4 最小冗余最大相关特征选择方法研究 | 第24-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于支持向量机的新生儿疼痛表情分类 | 第28-41页 |
| 3.1 分类方法概述 | 第28页 |
| 3.2 统计学习理论背景 | 第28-31页 |
| 3.3 支持向量机基本方法 | 第31-36页 |
| 3.3.1 线性分类 | 第31-34页 |
| 3.3.2 非线性分类 | 第34-36页 |
| 3.4 支持向量机多类别分类 | 第36-39页 |
| 3.5 SVM 在新生儿疼痛表情的分类的应用 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 实验仿真与分析 | 第41-54页 |
| 4.1 新生儿面部表情图像库 | 第41-42页 |
| 4.2 实验流程和方法 | 第42-44页 |
| 4.2.1 实验流程 | 第42-43页 |
| 4.2.2 实验方法 | 第43-44页 |
| 4.3 实验仿真与结果分析 | 第44-53页 |
| 4.3.1 仿真结果 | 第44-49页 |
| 4.3.2 实验分析和比较 | 第49-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第60-61页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第61-62页 |
| 致谢 | 第62页 |