基于HHT和数据挖掘技术的白细胞信号识别研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题来源 | 第8页 |
| 1.2 课题背景及意义 | 第8-10页 |
| 1.2.1 课题背景 | 第8-9页 |
| 1.2.2 研究意义 | 第9-10页 |
| 1.3 国内外发展现状 | 第10-15页 |
| 1.3.1 血细胞计数方法概述 | 第11-13页 |
| 1.3.2 血细胞信号识别算法概述 | 第13-15页 |
| 1.4 本文主要研究内容和方法 | 第15-16页 |
| 第2章 Hilbert-Huang变换基本原理 | 第16-24页 |
| 2.1 瞬时频率 | 第17-19页 |
| 2.2 本征模态函数概念 | 第19-20页 |
| 2.3 经验模态分解 | 第20-21页 |
| 2.4 Hilbert谱和Hilbert边际谱 | 第21-23页 |
| 2.5 HHT分析方法的特点 | 第23页 |
| 2.6 本章小结 | 第23-24页 |
| 第3章 数据挖掘技术 | 第24-31页 |
| 3.1 数据挖掘过程 | 第24-26页 |
| 3.1.1 数据准备和预处理 | 第24-25页 |
| 3.1.2 数据挖掘阶段 | 第25页 |
| 3.1.3 模式评估和知识表示 | 第25-26页 |
| 3.2 常用数据挖掘技术 | 第26-29页 |
| 3.2.1 基于关联规则的数据挖掘算法 | 第26页 |
| 3.2.2 聚类分析数据挖掘算法 | 第26-27页 |
| 3.2.3 分类和预测数据挖掘算法 | 第27-29页 |
| 3.3 本章小结 | 第29-31页 |
| 第4章 血细胞信号特征提取 | 第31-42页 |
| 4.1 血细胞信号分析与处理 | 第32-38页 |
| 4.1.1 模态混叠 | 第32-33页 |
| 4.1.2 集合经验模态分解 | 第33-35页 |
| 4.1.3 基于EEMD的血细胞信号分析 | 第35-38页 |
| 4.2 特征提取 | 第38-41页 |
| 4.2.1 基于EEMD的能量比值 | 第38-40页 |
| 4.2.2 中心频率-强度 | 第40-41页 |
| 4.3 本章小结 | 第41-42页 |
| 第5章 基于决策树的血细胞信号识别 | 第42-54页 |
| 5.1 决策树C4.5基本原理 | 第42-46页 |
| 5.1.1 属性选择度量 | 第42-43页 |
| 5.1.2 连续值属性的处理 | 第43-44页 |
| 5.1.3 C4.5决策树剪枝 | 第44-45页 |
| 5.1.4 决策树规则生成 | 第45-46页 |
| 5.2 细胞信号的决策树分类 | 第46-50页 |
| 5.2.1 基于时间域血细胞信号分类识别 | 第46-49页 |
| 5.2.2 基于HHT特征提取的决策树分类 | 第49-50页 |
| 5.3 模型评估 | 第50-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-56页 |
| 6.1 总结 | 第54-55页 |
| 6.2 展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 攻读学位期间的研究成果 | 第60页 |
