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 |