改进BP神经网络在心音身份识别中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景 | 第8页 |
| ·生物特征识别技术的发展 | 第8-9页 |
| ·心音身份识别的研究现状 | 第9-10页 |
| ·本文的主要内容及创新点 | 第10-12页 |
| 第二章 心音信号相关基础知识 | 第12-17页 |
| ·心音的产生机理及心胸传播特性模型 | 第12-13页 |
| ·心音的产生机理 | 第12-13页 |
| ·心胸传播模型 | 第13页 |
| ·心音的主要成分及时频域特性 | 第13-14页 |
| ·心音采集系统 | 第14-16页 |
| ·本章小结 | 第16-17页 |
| 第三章 心音信号的去噪处理 | 第17-23页 |
| ·小波变换基本理论 | 第17-18页 |
| ·连续小波变换 | 第17-18页 |
| ·小波去噪 | 第18-19页 |
| ·小波去噪的基本原理 | 第18页 |
| ·小波阈值去噪法的基本原理 | 第18-19页 |
| ·小波阈值去噪法在心音信号中的应用 | 第19-22页 |
| ·本章小结 | 第22-23页 |
| 第四章 心音信号的特征参数提取 | 第23-28页 |
| ·LPC 参数特征 | 第23-24页 |
| ·LPCC 参数特征 | 第24-25页 |
| ·MFCC 参数特征 | 第25-26页 |
| ·动态差分特征 | 第26页 |
| ·S1 和S2 能量比(FSR)参数特征 | 第26-27页 |
| ·FSR+MFCC 心音特征参数 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第五章 心音信号的识别方法 | 第28-42页 |
| ·人工神经网络 | 第28-31页 |
| ·人工神经元模型 | 第29-30页 |
| ·神经网络的分类 | 第30-31页 |
| ·BP 神经网络模型 | 第31-34页 |
| ·BP多层前馈网络模型的数学描述 | 第31-32页 |
| ·BP算法 | 第32页 |
| ·BP网络的优点与不足 | 第32-33页 |
| ·加动量项和自适应学习率BP改进算法 | 第33-34页 |
| ·遗传算法 | 第34-36页 |
| ·遗传算法简介 | 第34-35页 |
| ·遗传算法的构成要素 | 第35-36页 |
| ·遗传神经网络模型 | 第36-41页 |
| ·遗传神经网络结合的优势分析 | 第37-38页 |
| ·遗传算法优化神经网络的模型 | 第38-40页 |
| ·遗传算法优化神经网络的混合算法的思想 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第六章 心音身份识别系统实现与仿真分析 | 第42-64页 |
| ·心音样本库的建立 | 第42-43页 |
| ·心音的采集 | 第42-43页 |
| ·心音库的构成 | 第43页 |
| ·心音的预处理 | 第43-47页 |
| ·心音信号的去噪处理 | 第43页 |
| ·心音信号特征参数的提取 | 第43-46页 |
| ·特征参数的归一化处理 | 第46页 |
| ·特征矢量序列的聚类合并 | 第46-47页 |
| ·基于BP 神经网络识别方法仿真分析 | 第47-55页 |
| ·神经网络模型的建立 | 第47页 |
| ·BP网络的训练结果分析 | 第47-50页 |
| ·改进型BP网络的训练结果分析 | 第50-52页 |
| ·GA-BP网络的训练结果分析 | 第52-55页 |
| ·神经网络识别方法的性能分析 | 第55-60页 |
| ·噪声环境对网络性能的影响 | 第55-56页 |
| ·隐含层神经元个数对网络性能的影响 | 第56-57页 |
| ·不同段长度的心音的对网络性能的影响 | 第57-58页 |
| ·网络的初始权值对网络性能的影响 | 第58-60页 |
| ·基于欧式距离心音识别方法的仿真 | 第60-63页 |
| ·匹配和识别方法 | 第61-62页 |
| ·实验仿真分析 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第七章 总结与展望 | 第64-66页 |
| ·总结 | 第64页 |
| ·展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-69页 |
| 作者在硕士研究生期间发表论文情况 | 第69页 |
