基于最小二乘法AR模型在血糖预测中的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 血糖预测算法的意义 | 第13-14页 |
| 1.4 论文研究的目的和主要内容 | 第14-15页 |
| 1.5 论文整体结构 | 第15-17页 |
| 2 动态血糖监测系统(CGMS) | 第17-22页 |
| 2.1 传统的血糖监测方法 | 第17-19页 |
| 2.1.1 自我血糖监测(SMBG) | 第17-18页 |
| 2.1.2 糖化血红蛋白方法 | 第18-19页 |
| 2.2 动态血糖监测系统的原理 | 第19-20页 |
| 2.3 本章小结 | 第20-22页 |
| 3 血糖预测研究的现状 | 第22-32页 |
| 3.1 常见的几种时间序列预测模型 | 第22-31页 |
| 3.1.1 卡尔曼滤波法研究现状 | 第23-25页 |
| 3.1.2 灰色系统预测模型 | 第25-28页 |
| 3.1.3 神经网络预测模型 | 第28-31页 |
| 3.2 本章小结 | 第31-32页 |
| 4 基于最小二乘法的AR模型血糖预测算法 | 第32-41页 |
| 4.1 AR模型基本原理和血糖监测数据预处理 | 第32-37页 |
| 4.1.1 AR模型的基本原理和方法 | 第32-34页 |
| 4.1.2 数据的预处理 | 第34-37页 |
| 4.2 AR模型参数的确定 | 第37-38页 |
| 4.3 AR模型阶数的确定 | 第38-40页 |
| 4.4 本章小结 | 第40-41页 |
| 5 实验 | 第41-53页 |
| 5.1 实验数据 | 第41-44页 |
| 5.2 数据的预处理 | 第44-49页 |
| 5.3 实验结果准确性评价标准 | 第49-52页 |
| 5.4 本章小结 | 第52-53页 |
| 6 总结和展望 | 第53-54页 |
| 6.1 总结 | 第53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 个人简历和发表论文情况 | 第58页 |
