学位论文 > 优秀研究生学位论文题录展示
中医脉象信号的统计分析
作 者: 李作进
导 师: 刘宗行
学 校: 重庆大学
专 业: 电路与系统
关键词: AR模型 自相关系数 阶次 BP神经网络 LM算法 模式分类 脉象信号 海洛因吸食
分类号: R241.1
类 型: 硕士论文
年 份: 2007年
下 载: 108次
引 用: 3次
阅 读: 论文下载
内容摘要
脉诊是祖国医学“四诊”中的重要组成部分,也是中医学中最具特色的诊断方法。随着计算机技术的发展,人们希望能运用现代化的脉象采集仪器和信号处理方法,对传统的中医脉诊进行客观化研究与探讨,以期为临床医学提供一定的判断依据。时间序列的参数化模型分析一直是工程应用领域最基本、最有效的方法之一,也一直受到国内外信号处理领域内的学者广泛关注。时间序列最典型的一个本质特征就是相邻观测值的依赖性,为了能精确地反映和刻画其自身发展变化的规律,通过对时间序列数据拟合的模型来描述这种物理现象,是确信无疑的。用所建立的模型系数来代表原始数据的特征也在诸多领域得到了应用,本文就采用这样的方法对所采集到的脉象数据进行特征提取,为后面的分类提供了维数较低的数据。BP神经网络是迄今为止应用最广泛的人工神经网络,特别是在非线性的应用领域,显示了较大的优势。标准的BP网络存在一些固有的缺点,在实际的应用中可能会带来很多的资源浪费,因此,本文根据标准BP算法的特点,应用了改进的BP算法即LM算法,通过对比两种算法的结果,发现LM算法更加适合本文所研究的内容。试验结果显示,用前面方法所提取的特征向量作为网络的训练和测试样本,然后进行吸毒者和正常人的识别,取得了较高的识别率。针对海洛因吸毒者和正常人的脉象信号的特征差异甚微这一特点,本文用两种时间序列统计量进行特征提取,即对所采集到的数据进行自相关系数和AR模型的系数的特征参数提取。建立模型最关键也是最重要的是阶数的确定,阶数取得太高或者太低,都不能准确地刻画脉象信号的本质特征,从而会影响后续的分类工作。本文结合目前应用比较广泛的相关性分析和残差分析两种方法来确定脉象信号的阶数。通过大量的试验,认为当阶数取3时就能很好地反映原始信号的特征,从而将原始的90维向量降为3维向量,方便了BP网络的识别。在所研究的30例人体脉象信号中,安排20例来用于训练(其中吸毒者和正常人分别为10人),剩下的10人用作测试(其中吸毒者和正常人各5位)。应用LM算法、AR模型系数来进行识别时,10个被测试的脉象中,只有“b12”一位吸毒者被误判为正常人。可见基于时间序列的统计分析参数和改进的BP神经网络的中医脉象信号分类是可行的。
|
全文目录
摘要 3-4 ABSTRACT 4-9 1 绪论 9-16 1.1 课题研究的背景及意义 9-10 1.2 脉象信号分析的发展及国内外研究现状 10-12 1.2.1 脉象信号的特征提取方法 11 1.2.2 脉像模式识别与分类 11-12 1.3 时间序列分析的发展及国内外研究现状 12-13 1.4 人工神经网络的发展及国内外研究现状 13-14 1.5 本论文的研究工作 14-16 2 脉象信号及其采集与数据预处理 16-20 2.1 脉象信号原理 16-17 2.2 脉象信号的采集 17 2.3 脉象信号的选取 17-18 2.4 数据的选取与预处理 18-20 3 时间序列基本理论及其在脉象信号分析中的应用 20-39 3.1 时间序列和随机过程的概念 20-21 3.1.1 时间序列 20 3.1.2 随机过程 20-21 3.2 时间序列的特性分析 21 3.2.1 时间序列的随机性 21 3.2.2 时间序列的平稳性 21 3.2.3 时间序列的季节性 21 3.3 时间序列的平稳性与非平稳性 21-23 3.3.1 判断平稳时间序列的常用方法 21-23 3.3.2 非平稳时间序列转化为平稳时间序列 23 3.4 随机过程的有关统计特性 23-24 3.5 AR 模型的建立 24-30 3.5.1 AR 模型的基本概念 24-26 3.5.2 AR 模型的阶数确定 26-28 3.5.3 AR 模型的参数估计 28-30 3.6 脉象信号的特征参数提取 30-38 3.6.1 基于自相关系数的特征提取 30-35 3.6.2 基于AR 模型系数的特征提取 35-38 3.7 本章小结 38-39 4 基于BP 神经网络的模式分类 39-66 4.1 人工神经网络的基本原理 39-42 4.1.1 人工神经网络的生物学基础 39 4.1.2 人工神经网络简介 39-41 4.1.3 人工神经元的基本原理 41-42 4.2 反向传播BP(BACK PROPAGATION)网络算法及其改进 42-52 4.2.1 BP 算法 42-49 4.2.2 BP 算法存在的缺点及改进方法 49-51 4.2.3 LM 算法 51-52 4.3 神经网络的设计 52-54 4.4 脉象信号的分类识别 54-65 4.4.1 网络的训练 54-60 4.4.2 脉象信号的识别 60-65 4.5 本章小结 65-66 5 脉象信号的分析方法对比 66-69 5.1 自相关系数法与AR 模型系数法对比 66 5.2 标准BP 算法与LM 算法的网络分类对比 66-69 6 结论 69-71 致谢 71-72 参考文献 72-75 附录 75
|
相似论文
- 基于纹理特征的视频编码技术研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 机械臂视觉伺服系统的研究,TP242.6
- 市级旅游用地规划环境影响评价研究,X820.3
- 珠三角地区高性能混凝土配合比智能化系统,TU528
- 大学生综合素质测评研究,G645.5
- 基于并行算法的模糊综合评价模型的设计与应用,TP18
- 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
- 高速公路拆迁民众生存系统评价研究,D523
- 煤矿风险信息集成与智能预警研究,X936
- 基于计算机视觉的柑橘品质分级技术研究,TP391.41
- 济宁矿业集团设备管理模式研究,F426.1
- 基于模拟的注塑模浇注系统及成型工艺参数优化研究,TQ320.662
- 基于神经网络的漯河技术监督局食品安全预警系统研究,F203
- 基于神经网络的自适应噪声主动控制研究,TP183
- 数字型仪表自动识读系统研究,TP391.41
- 面向肺部CAD的特征提取、选择及分类方法研究,TP391.41
- 基于多核学习的高性能核分类方法研究,TP391.41
- 多向变异遗传算法及其优化神经网络的研究,TP18
- 基于因子分析和BP神经网络的风机状态诊断研究,F426.61
中图分类: > 医药、卫生 > 中国医学 > 中医临床学 > 中医诊断学 > 脉学
© 2012 www.xueweilunwen.com
|