首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--数据处理、数据处理系统论文

睡眠监测系统的算法研究与低功耗设计

摘要第4-5页
Abstract第5-6页
第1章 引言第11-18页
    1.1 研究背景第11-12页
    1.2 研究意义第12-13页
    1.3 研究现状第13-15页
        1.3.1 睡眠分期的认识第13-14页
        1.3.2 睡眠监测系统的发展第14-15页
    1.4 研究目的和内容第15-16页
    1.5 本文工作第16-17页
    1.6 论文结构第17-18页
第2章 关键技术第18-29页
    2.1 机器学习第18-19页
        2.1.1 有监督学习第18页
        2.1.2 泛化能力第18-19页
        2.1.3 交叉验证第19页
    2.2 支持向量机第19-23页
        2.2.1 支持向量与软间隔第19-21页
        2.2.2 核函数第21页
        2.2.3 算法流程第21-22页
        2.2.4 多分类第22-23页
        2.2.5 优缺点第23页
    2.3 极限学习机第23-25页
    2.4 分布式极限学习机第25-28页
        2.4.1 隐层输出矩阵的分布式计算第25-26页
        2.4.2 输出权重矩阵的分布式计算第26-27页
        2.4.3 D-ELM的算法流程第27-28页
    2.5 本章小结第28-29页
第3章 快速隐层优化极限学习机第29-48页
    3.1 隐层计算优化第29-34页
        3.1.1 增加隐层结点第29-31页
        3.1.2 减少隐层结点第31-33页
        3.1.3 同时训练多个L第33-34页
    3.2 局部矩阵R的优化第34-36页
    3.3 适应值的分布式计算第36页
    3.4 算法框架第36-41页
    3.5 时间复杂度分析第41-42页
    3.6 实验比较分析第42-47页
        3.6.1 分类准确率对比第42-43页
        3.6.2 时间复杂度验证第43-47页
        3.6.3 实验对比小结第47页
    3.7 本章小结第47-48页
第4章 分类预测综合判定方法第48-57页
    4.1 分类与预测第48-51页
        4.1.1 分类第48-49页
        4.1.2 预测第49页
        4.1.3 预测思想解决特定分类问题第49-50页
        4.1.4 FHLO-P第50-51页
    4.2 分类预测结合的FHLO-ELM第51-54页
        4.2.1 隐层输出矩阵计算优化第51-52页
        4.2.2 分类预测综合判定第52页
        4.2.3 算法流程第52-54页
    4.3 实验比较第54-56页
        4.3.1 实验数据来源第54页
        4.3.2 实验环境第54页
        4.3.3 参数设置第54页
        4.3.4 实验结果第54-56页
        4.3.5 实验总结第56页
    4.4 本章小结第56-57页
第5章 信号处理与关键流程第57-66页
    5.1 监测信号选取第57-58页
    5.2 加速度信号处理第58-61页
        5.2.1 采样频率和处理单元第58页
        5.2.2 加速度合成第58页
        5.2.3 加速度滤波第58-59页
        5.2.4 加速度特征选择第59-61页
    5.3 声音信号处理第61-63页
        5.3.1 声音处理单元第61页
        5.3.2 噪声检测第61-62页
        5.3.3 声音特征第62-63页
    5.4 光线强度检测机制第63-64页
    5.5 环境评分量化第64页
    5.6 睡眠质量分析第64-65页
    5.7 本章小结第65-66页
第6章 睡眠监测系统设计第66-71页
    6.1 系统设计理念第66页
    6.2 系统架构设计第66-67页
        6.2.1 系统架构的低功耗设计第66-67页
        6.2.2 系统总体架构第67页
    6.3 系统功能模块设计第67-70页
        6.3.1 智能贴片的低功耗设计第68页
        6.3.2 智能贴片的可编程第68-69页
        6.3.3 智能贴片工作模式切换第69-70页
        6.3.4 中继器的低功耗设计第70页
        6.3.5 睡眠监测系统的非干扰体现第70页
    6.4 本章小结第70-71页
第7章 总结与展望第71-72页
    7.1 总结第71页
    7.2 展望第71-72页
参考文献第72-76页
致谢第76-77页
个人简历、在学期间发表的学术论文与研究成果第77页

论文共77页,点击 下载论文
上一篇:WSN验证技术及其在智慧校园中的应用研究
下一篇:铁酸镧系材料、MoS2及其异质结构的湿敏元件特性研究