首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--软件工程论文

脉象识别系统的设计与实现

摘要第5-6页
Abstract第6-7页
第1章 绪论第11-17页
    1.1 课题来源第11页
    1.2 课题研究背景及意义第11-12页
        1.2.1 研究背景第11页
        1.2.2 研究意义第11-12页
    1.3 国内外研究现状第12-14页
        1.3.1 脉象信号的获取研究第12-13页
        1.3.2 脉象信号的特征值提取研究第13-14页
        1.3.3 脉象信号识别方法研究第14页
    1.4 本文的研究工作第14-17页
第2章 系统的总体设计第17-33页
    2.1 系统部署第17页
    2.2 硬件平台简介第17-19页
    2.3 软件平台简介第19-20页
        2.3.1 Visual Studio 2012第19-20页
        2.3.2 ADO.NET技术第20页
    2.4 系统的需求描述第20-22页
        2.4.1 功能需求第21页
        2.4.2 非功能性需求第21-22页
    2.5 系统的体系结构设计第22-23页
    2.6 系统的功能结构设计第23-27页
    2.7 系统的数据库设计第27-32页
        2.7.1 数据库概念结构设计第28-29页
        2.7.2 数据库逻辑结构设计第29页
        2.7.3 数据库物理结构设计第29-32页
    2.8 本章小结第32-33页
第3章 脉象信号的特征提取算法设计第33-53页
    3.1 脉象信号的复杂生理机制第33-36页
        3.1.1 脉图结构和生理意义第33-34页
        3.1.2 脉象信号参数的定义第34-36页
    3.2 基于中医理论的脉象信号分类第36-38页
    3.3 脉象信号特征值的选取第38-41页
    3.4 脉象信号特征值提取算法设计第41-46页
        3.4.1 基于FFT的主波提取算法设计第41-44页
        3.4.2 基于Pnum的时域特征值提取算法设计第44-46页
    3.5 算法评估与分析第46-50页
        3.5.1 用于评估的数据源第46页
        3.5.2 评价指标第46-47页
        3.5.3 算法评估结果第47-50页
    3.6 本章小结第50-53页
第4章 脉象识别算法设计第53-61页
    4.1 输入数据的降维方法第53-54页
        4.1.1 基于核主成分分析(KPCA)方法的概念第53页
        4.1.2 KPCA用于脉象特征值提取的算法设计第53-54页
    4.2 极限学习机的原理第54-56页
    4.3 ELM用于脉象分类的算法设计第56-57页
    4.4 ELM分类实验与数据分析第57-59页
        4.4.1 评价指标第57-58页
        4.4.2 实验结果分析第58-59页
    4.5 本章小结第59-61页
第5章 脉象系统的详细设计与实现第61-77页
    5.1 系统概述第61页
    5.2 用户生理参数报告模块的详细设计与实现第61-63页
        5.2.1 用户生理参数报告模块的详细设计第61-62页
        5.2.2 用户生理参数报告模块的实现第62-63页
    5.3 脉搏波数据采集模块的详细设计与实现第63-67页
        5.3.1 脉搏波数据采集模块的详细设计第63-65页
        5.3.2 脉搏波数据采集模块的实现第65-67页
    5.4 脉象信号特征值提取模块的详细设计与实现第67-70页
        5.4.1 脉象信号特征值提取模块的详细设计第67-68页
        5.4.2 脉象信号特征值提取模块的实现第68-70页
    5.5 脉象识别模块的详细设计与实现第70-72页
        5.5.1 脉象识别模块的详细设计第70页
        5.5.2 脉象识别模块的实现第70-72页
    5.6 中医百科模块的详细设计与实现第72-74页
        5.6.1 中医百科模块的详细设计第72-73页
        5.6.2 中医百科模块的实现第73-74页
    5.7 体质百科模块的详细设计与实现第74-75页
        5.7.1 体质百科模块的详细设计实现第74-75页
    5.8 本章小结第75-77页
第6章 软件测试第77-83页
    6.1 功能测试第77-82页
        6.1.1 脉搏波数据采集模块测试第77-80页
        6.1.2 脉象识别模块测试第80-82页
    6.2 测试结论第82页
    6.3 本章小结第82-83页
第7章 总结与展望第83-85页
    7.1 本文工作总结第83-84页
    7.2 未来展望第84-85页
参考文献第85-89页
致谢第89-91页
攻读硕士学位期间发表的论文第91页

论文共91页,点击 下载论文
上一篇:基于频域低相干光干涉的视轴参数测量系统
下一篇:大型颗粒物料混合机分析与优化