首页--医药、卫生论文--基础医学论文--医用一般科学论文--其他科学技术在医学上的应用论文

基于SVM的人体亚健康状态检测方法的研究与实现

摘要第4-5页
Abstract第5-6页
第1章 绪论第9-19页
    1.1 课题研究背景及意义第9-11页
        1.1.1 课题研究背景第9-10页
        1.1.2 亚健康研究意义第10-11页
    1.2 亚健康研究现状第11-16页
        1.2.1 亚健康的体现和成因第11-13页
        1.2.2 国内外亚健康诊断研究现状第13-16页
    1.3 研究内容和论文结构第16-19页
        1.3.1 本文的主要研究内容第16-17页
        1.3.2 论文结构安排第17-19页
第2章 生物信号的采集第19-29页
    2.1 生物信号简介第19-24页
        2.1.1 心电信号第19-21页
        2.1.2 脉搏信号第21-22页
        2.1.3 皮肤电反应信号第22-24页
    2.2 硬件系统设计第24-28页
        2.2.1 硬件系统整体结构第24页
        2.2.2 生物信号采集模块第24-27页
        2.2.3 Arduino与Matlab通信第27-28页
    2.3 本章小结第28-29页
第3章 信号预处理与特征点提取第29-43页
    3.1 信号预处理第29-34页
        3.1.1 信号噪声特点分析第29-34页
    3.2 特征点提取第34-40页
        3.2.1 心电信号特征点提取第34-37页
        3.2.2 脉搏信号特征点提取第37-39页
        3.2.3 皮肤电信号特征点提取第39-40页
    3.3 初始特征提取第40-41页
    3.4 本章小结第41-43页
第4章 特征提取与分类器设计第43-55页
    4.1 Fisher线性判别分析法第44-46页
    4.2 主成分分析法第46-48页
    4.3 一种改进的线性判别分析算法第48-50页
        4.3.1 加权的特征值矩阵计算第48-49页
        4.3.2 算法流程第49-50页
    4.4 基于SVM的分类器设计第50-53页
    4.5 本章小结第53-55页
第5章 亚健康状态检测方法的实现第55-63页
    5.1 分类模型训练第55-57页
        5.1.1 样本的选取第55页
        5.1.2 样本初始特征点的预处理第55-56页
        5.1.3 特征提取及模型分类第56-57页
    5.2 实验系统设计第57-60页
    5.3 结果及分析第60-61页
        5.3.1 特征提取算法性能比较第60-61页
        5.3.2 健康状态结果分析第61页
    5.4 本章小结第61-63页
结论第63-65页
参考文献第65-69页
附录第69-71页
致谢第71页

论文共71页,点击 下载论文
上一篇:基于子宫肌电信号识别早产的研究
下一篇:基于多元指纹融合与行人航迹推算的室内定位技术研究与实现