基于RBF神经网络的亚健康状态识别研究
| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-16页 |
| ·研究背景与意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·亚健康状态的研究现状 | 第12页 |
| ·人工神经网络的研究现状 | 第12-13页 |
| ·脉象信号分析的研究现状 | 第13-14页 |
| ·本文研究内容与方法 | 第14-15页 |
| ·论文的组织结构 | 第15-16页 |
| 第2章 亚健康与脉象信号的基本理论 | 第16-21页 |
| ·亚健康基础知识 | 第16-17页 |
| ·亚健康状态基本介绍 | 第16页 |
| ·亚健康状态的中医学观点 | 第16-17页 |
| ·脉象信号的知识 | 第17-20页 |
| ·脉图基本理论 | 第17-18页 |
| ·脉图类型简介 | 第18-19页 |
| ·信号识别主要方法 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 脉象信号预处理及特征提取 | 第21-29页 |
| ·脉象信号的预处理 | 第21-26页 |
| ·脉象信号的噪声来源及预处理方法 | 第21页 |
| ·信号的预处理 | 第21-22页 |
| ·小波变换的滤波原理 | 第22页 |
| ·脉象信号的小波分解 | 第22-23页 |
| ·小波基的选择 | 第23页 |
| ·分解层数的选择 | 第23-24页 |
| ·阈值的确定 | 第24页 |
| ·阈值消噪处理方法 | 第24-25页 |
| ·小波滤波与传统滤波方法比较 | 第25-26页 |
| ·脉象信号的特征提取 | 第26-28页 |
| ·时域分析 | 第26-27页 |
| ·频谱分析 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第4章 人工神经网络基础 | 第29-44页 |
| ·人工神经网络的基本知识 | 第29-36页 |
| ·生物神经元简介 | 第30页 |
| ·人工神经元模型和网络结构 | 第30-34页 |
| ·神经网络的学习规则 | 第34-35页 |
| ·神经网络的分类 | 第35-36页 |
| ·径向基函数神经网络 | 第36-43页 |
| ·多变量插值问题 | 第36-37页 |
| ·正则化问题 | 第37-39页 |
| ·正则化问题的逼近解 | 第39-40页 |
| ·RBF网络基本结构 | 第40-41页 |
| ·基于RBF神经网络的学习算法 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 基于RBF神经网络的亚健康状态识别 | 第44-52页 |
| ·脉象信号的采集与特征提取 | 第44-45页 |
| ·基于RBF神经网络的亚健康状态识别 | 第45-51页 |
| ·基于伪逆法学习输出层权值 | 第46-48页 |
| ·基于LMS法学习输出层权值 | 第48-50页 |
| ·网络逼近能力的改进 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 总结与展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 附录A 攻读硕士学位期间所发表的论文 | 第58页 |
