| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 引言 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 样本学习 | 第10页 |
| 1.2.2 特征学习 | 第10-11页 |
| 1.3 本文主要工作及创新点 | 第11-12页 |
| 1.4 论文组织框架 | 第12-13页 |
| 2 相关方法原理 | 第13-27页 |
| 2.1 样本学习 | 第13-15页 |
| 2.1.1 数据预处理 | 第13页 |
| 2.1.2 CART算法 | 第13-15页 |
| 2.2 特征学习 | 第15-21页 |
| 2.2.1 特征选择 | 第15-18页 |
| 2.2.2 特征转换 | 第18-21页 |
| 2.3 分类器 | 第21-25页 |
| 2.3.1 支持向量机 | 第21-23页 |
| 2.3.2 随机森林 | 第23-24页 |
| 2.3.3 超限学习机 | 第24-25页 |
| 2.4 本章小结 | 第25-27页 |
| 3 基于CART样本优选的帕金森病语音分类算法研究 | 第27-39页 |
| 3.1 帕金森语音数据来源 | 第27-30页 |
| 3.2 CART样本优选与分类算法 | 第30-34页 |
| 3.2.1 CART样本优选 | 第30-33页 |
| 3.2.2 分类器 | 第33-34页 |
| 3.3 实验结果与分析 | 第34-38页 |
| 3.3.1 实验方式和评价准则 | 第34-35页 |
| 3.3.2 本文算法分类结果分析 | 第35-37页 |
| 3.3.3 帕金森语音样本优选效果分析 | 第37-38页 |
| 3.3.4 分类器平稳性比较分析 | 第38页 |
| 3.4 本章小结 | 第38-39页 |
| 4 基于CART和集成学习的帕金森病语音分类算法研究 | 第39-51页 |
| 4.1 基于CART样本优选的集成学习算法 | 第39-41页 |
| 4.2 实验结果与分析 | 第41-49页 |
| 4.2.1 实验条件 | 第41-42页 |
| 4.2.2 集成算法效果对比 | 第42-46页 |
| 4.2.3 样本优选前后集成学习算法效果对比 | 第46-48页 |
| 4.2.4 集成算法与单分类算法的显著性差异分析 | 第48-49页 |
| 4.3 本章小结 | 第49-51页 |
| 5 基于深度信念网络特征学习的帕金森病语音分类算法研究 | 第51-67页 |
| 5.1 基于深度信念网络的特征学习算法 | 第51-55页 |
| 5.2 实验结果与分析 | 第55-65页 |
| 5.2.1 参数设置 | 第55页 |
| 5.2.2 深度信念网络结构参数对分类性能影响分析 | 第55-60页 |
| 5.2.3 特征学习分类结果与分析 | 第60-63页 |
| 5.2.4 特征学习算法比较与分析 | 第63-65页 |
| 5.3 本章小结 | 第65-67页 |
| 6 总结与展望 | 第67-69页 |
| 6.1 论文总结 | 第67-68页 |
| 6.2 研究展望 | 第68-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 附录 | 第75页 |
| A.作者在攻读学位期间发表的论文专利目录 | 第75页 |
| B.作者在攻读学位期间参加的科研项目目录 | 第75页 |
