| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 人类睡眠研究的背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-19页 |
| 1.2.1 睡眠数据获取方法的研究现状 | 第12-15页 |
| 1.2.2 特征提取的研究现状 | 第15-16页 |
| 1.2.3 分类方法的研究现状 | 第16-19页 |
| 1.3 研究目的和主要内容 | 第19-21页 |
| 1.4 本文章节安排 | 第21-22页 |
| 第2章 人类睡眠识别中数据获取和特征提取方法的研究 | 第22-47页 |
| 2.1 引言 | 第22-23页 |
| 2.2 数据获取 | 第23-24页 |
| 2.3 数据预处理 | 第24-30页 |
| 2.3.1 加速度数据预处理 | 第25-28页 |
| 2.3.2 声音数据预处理 | 第28-30页 |
| 2.4 特征 | 第30-31页 |
| 2.4.1 先验特征 | 第30-31页 |
| 2.4.2 非先验特征 | 第31页 |
| 2.5 特征选择方法 | 第31-40页 |
| 2.5.1 方法概述 | 第34页 |
| 2.5.2 基于增L减R的特征选择LRFS方法 | 第34-35页 |
| 2.5.3 基于核的特征提取KPCA方法 | 第35-38页 |
| 2.5.4 联合特征提取和特征选择的TSFS方法 | 第38-40页 |
| 2.6 实验结果及分析 | 第40-46页 |
| 2.6.1 数据集 | 第41-42页 |
| 2.6.2 分类器 | 第42页 |
| 2.6.3 性能指标 | 第42-43页 |
| 2.6.4 TSFS的实验结果及分析 | 第43-46页 |
| 2.7 本章小结 | 第46-47页 |
| 第3章 基于改进二叉树的Multi-SVM睡眠分类器融合方法的研究 | 第47-59页 |
| 3.1 引言 | 第47页 |
| 3.2 分类方法概述 | 第47-48页 |
| 3.2.1 监督学习方法 | 第47-48页 |
| 3.2.2 非监督学习方法 | 第48页 |
| 3.3 分类方法的融合技术 | 第48-55页 |
| 3.3.1 融合技术概述 | 第48-49页 |
| 3.3.2 基于Bagging多分类器选择融合 | 第49-50页 |
| 3.3.3 基于AdaBoost多分类器组合融合 | 第50页 |
| 3.3.4 基于二叉树的Multi-SVM分类器融合 | 第50-52页 |
| 3.3.5 基于改进二叉树的Multi-SVM睡眠分类器融合 | 第52-55页 |
| 3.4 实验结果及分析 | 第55-58页 |
| 3.4.1 数据集 | 第55-56页 |
| 3.4.2 结果分析 | 第56-58页 |
| 3.5 本章小结 | 第58-59页 |
| 第4章 人类睡眠对运动影响的研究 | 第59-70页 |
| 4.1 引言 | 第59-60页 |
| 4.2 问题描述 | 第60页 |
| 4.3 基于Aprior方法的睡眠与运动预测模型 | 第60-67页 |
| 4.3.1 数据采集 | 第61页 |
| 4.3.2 睡眠特征提取 | 第61页 |
| 4.3.3 睡眠阶段划分及睡眠质量评估 | 第61-63页 |
| 4.3.4 运动强度预测 | 第63-64页 |
| 4.3.5 Aprior模型 | 第64-67页 |
| 4.4 实验结果与分析 | 第67-69页 |
| 4.4.1 数据集 | 第67-68页 |
| 4.4.2 结果分析 | 第68-69页 |
| 4.5 本章小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士学位期间发表的学术论文及参加的科研项目 | 第79页 |
