脉象信号特征提取与识别的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-17页 |
| ·课题研究的意义 | 第8-10页 |
| ·脉象信号分析 | 第10-11页 |
| ·小波分析和模式识别发展及国内外研究现状 | 第11-15页 |
| ·本论文的主要研究工作 | 第15-17页 |
| 2 特征提取及选择的基本理论 | 第17-35页 |
| ·引言 | 第17-20页 |
| ·类别可分离性判据 | 第20-24页 |
| ·基于距离的可分性判据 | 第21-23页 |
| ·基于熵函数的可分性判据 | 第23页 |
| ·基于概率分布的可分性判据 | 第23-24页 |
| ·特征提取 | 第24-32页 |
| ·基于距离度量的特征提取方法 | 第24-27页 |
| ·小波变换的特征提取 | 第27-32页 |
| ·特征选择 | 第32-35页 |
| 3 脉象信号的分析方法 | 第35-39页 |
| ·脉博波及分析吸毒者脉象信号的意义 | 第35-37页 |
| ·脉博波 | 第35-36页 |
| ·分析吸毒者脉象信号的意义 | 第36-37页 |
| ·脉象信号的采集与脉波的选取 | 第37-39页 |
| ·脉象信号的采集 | 第37页 |
| ·脉波的选取 | 第37-39页 |
| 4 脉象信号的特征提取 | 第39-47页 |
| ·脉象信号的小波特征提取 | 第39-43页 |
| ·脉象信号特征提取方法 | 第39-42页 |
| ·软件编制一 | 第42-43页 |
| ·脉象信号的小波-欧氏距离特征提取 | 第43-46页 |
| ·脉象信号特征提取方法二 | 第43-45页 |
| ·软件编制二 | 第45-46页 |
| ·结论 | 第46-47页 |
| 5 基于支持向量机的脉象信号识别 | 第47-61页 |
| ·引言 | 第47-50页 |
| ·统计学习理论基础 | 第47-48页 |
| ·线性判别函数和判别面 | 第48-50页 |
| ·最优分类面 | 第50-52页 |
| ·支持向量机 | 第52-55页 |
| ·核函数 | 第53页 |
| ·支持向量机 | 第53-55页 |
| ·基于小波特征提取的支持向量机识别 | 第55-58页 |
| ·实验步骤 | 第55-57页 |
| ·软件编制三 | 第57-58页 |
| ·基于小波—欧氏距离特征提取的支持向量机识别 | 第58-60页 |
| ·实验步骤 | 第58-60页 |
| ·软件编制四 | 第60页 |
| ·结论 | 第60-61页 |
| 6 结论与展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录 | 第66页 |
