中文摘要 | 第4-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第10-18页 |
1.1 研究目的与意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-16页 |
1.2.1 睡眠数据获取及处理方法的研究现状 | 第11-13页 |
1.2.2 特征设计及特征选择方法的研究现状 | 第13-14页 |
1.2.3 睡眠阶段划分方法的研究现状 | 第14-16页 |
1.3 本文主要研究工作 | 第16-17页 |
1.4 本文章节安排 | 第17-18页 |
第2章 基于傅里叶和小波变换提取睡眠数据的研究 | 第18-38页 |
2.1 引言 | 第18-19页 |
2.2 基于离散傅里叶对呼吸信号的分解和重构 | 第19-23页 |
2.2.1 非周期信号的傅里叶变换 | 第19-20页 |
2.2.2 离散信号傅里叶变换 | 第20-21页 |
2.2.3 栅栏效应与频谱泄露 | 第21-22页 |
2.2.4 傅里叶对睡眠数据的分解及呼吸信号的重构 | 第22-23页 |
2.3 基于小波变换对信号的分解与呼吸信号的重构 | 第23-28页 |
2.3.1 离散小波变换与小波基的选择 | 第24-25页 |
2.3.2 Mallat算法 | 第25-26页 |
2.3.3 数据的边界处理 | 第26-27页 |
2.3.4 小波变换对原数据的分解及对呼吸信号的重构 | 第27-28页 |
2.4 基于小波与傅里叶结合方式对睡眠数据处理 | 第28-32页 |
2.4.1 傅里叶变换和小波变换优缺点 | 第28-29页 |
2.4.2 结合小波和傅里叶对睡眠数据解析 | 第29-32页 |
2.5 实验结果及分析 | 第32-37页 |
2.5.1 数据集 | 第32-33页 |
2.5.2 特征选取与分类器选择 | 第33页 |
2.5.3 性能指标 | 第33页 |
2.5.4 实验结果 | 第33-37页 |
2.6 本章小结 | 第37-38页 |
第3章 基于体动信号和呼吸信号上的特征选取方法的研究 | 第38-66页 |
3.1 引言 | 第38页 |
3.2 体动信号的获取及特征提取 | 第38-44页 |
3.2.1 睡眠数据中体动信号的检测 | 第39-41页 |
3.2.2 对称延展及一元二次线性插值对数据填补 | 第41-42页 |
3.2.3 体动特征提取 | 第42-44页 |
3.3 呼吸信号上呼吸特征提取 | 第44-50页 |
3.3.1 呼吸峰的检测算法 | 第44-46页 |
3.3.2 呼吸信号时域特征提取 | 第46-48页 |
3.3.3 呼吸信号频域特征提取 | 第48-49页 |
3.3.4 小波系数特征提取 | 第49-50页 |
3.4 特征选择方法 | 第50-57页 |
3.4.1 基于F分值特征选择方法 | 第51-52页 |
3.4.2 基于快速相关过滤FCBF的特征选择方法 | 第52-54页 |
3.4.3 基于最小冗余最大相关mRMR的特征提取方法 | 第54-56页 |
3.4.4 基于Bayes低损降维LLDR的特征提取方法 | 第56-57页 |
3.5 实验结果及分析 | 第57-64页 |
3.5.1 实验环境 | 第57-58页 |
3.5.2 特征选择的阈值设定 | 第58-62页 |
3.5.3 不同分类器的特征选择 | 第62-64页 |
3.5.4 体动去除对分类结果的影响 | 第64页 |
3.6 本章小结 | 第64-66页 |
第4章 基于二叉决策树的多贝叶斯分类器组合及选择方法研究 | 第66-78页 |
4.1 引言 | 第66页 |
4.2 贝叶斯分类器 | 第66-69页 |
4.2.1 朴素贝叶斯分类器 | 第66-68页 |
4.2.2 TAN贝叶斯分类器 | 第68-69页 |
4.3 基于二叉决策树的多贝叶斯分类器组合及选择方法 | 第69-74页 |
4.3.1 基于二叉决策树的多贝叶斯组合分类方法 | 第69-71页 |
4.3.2 多贝叶斯分类器动态选择方法 | 第71-73页 |
4.3.3 基于二叉决策树的多贝叶斯分类器组合及选择方法 | 第73-74页 |
4.4 实验结果与分析 | 第74-77页 |
4.4.1 实验环境 | 第74-75页 |
4.4.2 结果分析 | 第75-77页 |
4.5 本章小结 | 第77-78页 |
结论 | 第78-80页 |
参考文献 | 第80-87页 |
致谢 | 第87-88页 |
攻读硕士学位期间发表的学术论文及参加的科研项目 | 第88页 |