| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 概述 | 第11-18页 |
| 1.1 引言 | 第11-14页 |
| 1.1.1 膝关节的医学背景 | 第11-12页 |
| 1.1.2 膝关节疾病与诊断 | 第12-14页 |
| 1.2 研究意义 | 第14-15页 |
| 1.3 本文的工作和组织架构 | 第15-18页 |
| 第二章 膝关节摆动信号的获取与预处理过程 | 第18-25页 |
| 2.1 膝关节摆动信号的分析流程 | 第18页 |
| 2.2 膝关节摆动信号的获取与数据描述 | 第18-20页 |
| 2.3 膝关节摆动信号的预处理过程 | 第20-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 膝关节摆动信号的特征计算与描述 | 第25-38页 |
| 3.1 膝关节摆动信号的特征计算 | 第25-37页 |
| 3.1.1 小波匹配追踪分解的原子数量 | 第25-26页 |
| 3.1.2 固定阈值的转向计数 | 第26-28页 |
| 3.1.3 均方值方差和波形因素 | 第28-30页 |
| 3.1.4 概率密度函数得到的统计参数 | 第30-35页 |
| 3.1.5 分形维数 | 第35-37页 |
| 3.2 本章小结 | 第37-38页 |
| 第四章 膝关节摆动信号的分类方法研究 | 第38-65页 |
| 4.1 传统的机器学习算法 | 第38-40页 |
| 4.1.1 Fisher线性判别分析 | 第38-39页 |
| 4.1.2 支持向量机 | 第39页 |
| 4.1.3 最小二乘支持向量机 | 第39-40页 |
| 4.2 基于核密度估计和最大后验概率准则的膝关节摆动信号分类 | 第40-47页 |
| 4.2.1 特征描述 | 第40-41页 |
| 4.2.2 二维概率分布建模 | 第41-42页 |
| 4.2.3 最大后验概率决策准则 | 第42页 |
| 4.2.4 结果分析与讨论 | 第42-47页 |
| 4.3 基于多分类器融合系统的膝关节摆动信号分类 | 第47-53页 |
| 4.3.1 特征描述 | 第47-48页 |
| 4.3.2 多分类器融合系统 | 第48-50页 |
| 4.3.3 实验结果及分析 | 第50-53页 |
| 4.4 基于动态加权分类器融合的膝关节摆动信号分类 | 第53-63页 |
| 4.4.1 特征描述 | 第53-54页 |
| 4.4.2 基于Bagging算法的LS-SVM集成系统 | 第54-55页 |
| 4.4.3 基于动态加权融合规则的LS-SVM集成算法 | 第55-59页 |
| 4.4.4 分类结果与分析 | 第59-63页 |
| 4.5 本章小结 | 第63-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 参考文献 | 第67-76页 |
| 致谢 | 第76-77页 |
| 攻读硕士学位期间发表的学术论文及参与的科研项目 | 第77-79页 |
