| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究背景 | 第12-15页 |
| 1.1.1 光谱检测技术 | 第12-14页 |
| 1.1.2 光谱技术在无创医学检测中的应用 | 第14-15页 |
| 1.2 光谱数据分析中若干关键技术 | 第15-19页 |
| 1.2.1 光谱特征选择技术 | 第16-17页 |
| 1.2.2 建模分析技术 | 第17-18页 |
| 1.2.3 智能算法高效计算 | 第18-19页 |
| 1.3 光谱技术用于无创医学检测分析中所面临问题 | 第19-20页 |
| 1.4 本文的研究目的和主要研究内容 | 第20-22页 |
| 第二章 高光谱技术用于无创医学检测——以舌诊客观化为例 | 第22-33页 |
| 2.1 引言 | 第22-23页 |
| 2.2 基于光谱舌诊医学信息测量的思路 | 第23-27页 |
| 2.2.1 高光谱技术应用于舌象信息采集 | 第23-24页 |
| 2.2.2 常规舌诊客观化研究思路及主要问题 | 第24-25页 |
| 2.2.3 基于光谱信息挖掘的提取模式 | 第25-27页 |
| 2.3 数据挖掘的主要处理方法 | 第27-31页 |
| 2.3.1 主成分分析 | 第27-28页 |
| 2.3.2 偏最小二乘法 | 第28-29页 |
| 2.3.3 人工神经网络 | 第29-30页 |
| 2.3.4 支持向量机 | 第30-31页 |
| 2.4 小结 | 第31-33页 |
| 第三章 舌近红外光谱用于人体血清多种蛋白含量无创检测 | 第33-47页 |
| 3.1 引言 | 第33-34页 |
| 3.2 数据采集与预处理 | 第34-36页 |
| 3.2.1 实验装置与数据采集 | 第34-35页 |
| 3.2.2 光谱数据预处理 | 第35-36页 |
| 3.3 建立各血清蛋白的预测模型 | 第36-42页 |
| 3.3.1 校正集与预测集的分配 | 第37-38页 |
| 3.3.2 SVM 回归建模 | 第38-40页 |
| 3.3.3 PLS 回归建模 | 第40-41页 |
| 3.3.4 BPNN 回归建模 | 第41-42页 |
| 3.4 实验结果与分析 | 第42-46页 |
| 3.5 小结 | 第46-47页 |
| 第四章 改进遗传算法用于高维光谱非线性波长选择 | 第47-73页 |
| 4.1 引言 | 第47-48页 |
| 4.2 遗传算法 | 第48-54页 |
| 4.2.1 遗产算法基本流程 | 第48-49页 |
| 4.2.2 算法执行的主要要素 | 第49-54页 |
| 4.3 GA 应用于高维光谱波长选择关键点剖析 | 第54-55页 |
| 4.4 遗传算法用于非线性波长选择的改进措施 | 第55-62页 |
| 4.4.1 非线性滑动区间选择法用于波长剔除及先验知识估计 | 第55-58页 |
| 4.4.2 适应度函数的设计 | 第58-59页 |
| 4.4.3 遗传算子的自适应调整 | 第59-61页 |
| 4.4.4 改进 GA 的波长选择流程 | 第61-62页 |
| 4.5 非线性波长选择用于舌近红外光谱检测血清蛋白含量 | 第62-72页 |
| 4.5.5 基于 MWSVM 波长初步筛选及分级 | 第62-67页 |
| 4.5.6 改进 GA 算法波长选择结果 | 第67-70页 |
| 4.5.7 建模结果分析 | 第70-72页 |
| 4.6 小结 | 第72-73页 |
| 第五章 CUDA 架构下 SVM 交叉验证算法细粒度并行实施 | 第73-100页 |
| 5.1 引言 | 第73-75页 |
| 5.2 SMO 算法流程及交叉验证 | 第75-79页 |
| 5.2.1 SVM 原理 | 第75-76页 |
| 5.2.2 SMO 算法流程 | 第76-78页 |
| 5.2.3 SVM 交叉验证 | 第78-79页 |
| 5.3 CUDA 编程特点 | 第79-81页 |
| 5.4 SMO 交叉验证算法并行实施细节 | 第81-87页 |
| 5.4.1 交叉验证细粒度并行方案的设计 | 第81-84页 |
| 5.4.2 线程资源的二维规划 | 第84-85页 |
| 5.4.3 k-fold 核向量合并计算规则 | 第85-86页 |
| 5.4.4 支持向量全局索引的提取技术 | 第86-87页 |
| 5.5 大样本数据集实验测试结果分析与讨论 | 第87-96页 |
| 5.5.1 大样本 10_fold 交叉验证性能提升与分析 | 第87-91页 |
| 5.5.2 不同尺度同类数据集在不同折数上性能提升对比 | 第91-95页 |
| 5.5.3 多 GPU 下 SVM 交叉验证多折运算性能对比 | 第95-96页 |
| 5.6 小样本数据集 SVM 网格搜索法并行化 | 第96-98页 |
| 5.7 小结 | 第98-100页 |
| 第六章 总结与展望 | 第100-105页 |
| 6.1 论文完成的主要工作 | 第100-102页 |
| 6.2 论文研究的创新点 | 第102-103页 |
| 6.3 研究工作展望 | 第103-105页 |
| 参考文献 | 第105-118页 |
| 发表论文和参加科研情况说明 | 第118-119页 |
| 致谢 | 第119页 |
