基于表面肌电信号的心理压力状态分析算法研究
摘要 | 第1-6页 |
Abstract | 第6-10页 |
第1章 绪论 | 第10-15页 |
·课题背景及研究意义 | 第10-11页 |
·研究现状分析 | 第11-14页 |
·国外研究现状 | 第11-12页 |
·国内研究现状 | 第12-14页 |
·本文研究内容 | 第14-15页 |
第2章 表面肌电信号采集实验设计 | 第15-22页 |
·表面肌电信号 | 第15页 |
·实验方案 | 第15-21页 |
·实验被试与主试 | 第16-17页 |
·刺激方式 | 第17-19页 |
·数据采集 | 第19-20页 |
·调查问卷 | 第20-21页 |
·本章小结 | 第21-22页 |
第3章 表面肌电信号预处理 | 第22-37页 |
·数据筛选及截取 | 第22-23页 |
·表面肌电信号去噪处理 | 第23-26页 |
·表面肌电信号特征提取 | 第26-31页 |
·基于 ReliefF 算法的特征选择 | 第31-36页 |
·本章小结 | 第36-37页 |
第4章 面向个体差异的支持向量机改进算法 | 第37-55页 |
·支持向量机概论 | 第37-41页 |
·支持向量机分类原理 | 第37-38页 |
·支持向量机优化算法 | 第38-41页 |
·基于样本筛选与权重修改的 SVM 改进算法 | 第41-46页 |
·选择训练样本 | 第43-44页 |
·加入分类权重 | 第44-46页 |
·基于支持向量选取的 SVM 改进算法 | 第46-48页 |
·分类实验 | 第48-52页 |
·结果分析 | 第52-54页 |
·本章小结 | 第54-55页 |
结论 | 第55-57页 |
参考文献 | 第57-61页 |
攻读硕士学位期间承担的科研任务与主要成果 | 第61-62页 |
致谢 | 第62-63页 |
作者简介 | 第63页 |