学位论文 > 优秀研究生学位论文题录展示
基于提升小波与聚类算法的脉象信号识别的研究
作 者: 万龙
导 师: 蔡坤宝
学 校: 重庆大学
专 业: 信号与信息处理
关键词: 脉象信号 提升小波 多相位矩阵 特征提取 模糊C均值聚类算法
分类号: TN911.7
类 型: 硕士论文
年 份: 2010年
下 载: 90次
引 用: 1次
阅 读: 论文下载
内容摘要
作为生物医学信号之一的脉象信号能反映人体脉搏的生理与病理信息,对于它的研究有助于人类加深对人体自身的认识,在防病与治病中发挥更大的作用,这是本文进行研究的目的。小波变换是一个迅速发展的新领域,它是在时域和频域都具有良好局域性的一种信号分析方法,而且非常适用于非平稳信号的处理。但是小波分析不适合非欧氏空间的应用,为了弥补传统小波的一些不足,提升小波应运而生,提升小波不仅具有通用、灵活的特点,而且还有高效的提升实现算法。由于有限长滤波器多相位矩阵的分解不是唯一的,而相同的多相位矩阵的提升实现算法不一定相同,本论文在总结前人工作的基础上,较深入地研究了应用提升小波变换对脉象信号进行特征提取与识别的方法,实现了多相位矩阵两种不同的分解格式及其相应的提升实现算法。其中一种分解格式及其相应的提升实现算法是由本文提出的.然后分别对40例脉象信号(20例健康正常人和20例海洛因吸毒者的脉象信号)进行一级提升小波变换,通过尺度系数,进行特征提取,找出了健康正常人与海洛因吸毒者的脉象信号之间的差异,初步提出了用于划分健康正常人与海洛因吸毒者的判据。本文的实验结果表明:第一种提升实现算法下18例健康正常人和19例海洛因吸毒者被检测出来,而健康正常人Z01和Z10被误判,海洛因吸毒者B13被误判;第二种提升实现算法下18例健康正常人和20例海洛因吸毒者被检测出来,而健康正常人Z01和Z10被误判。本论文还详细介绍了模糊C均值聚类的基本概念和理论依据。着重阐述了C均值模糊聚类的实现算法,在对脉象信号进行特征提取的基础上,利用该算法对20例健康正常人和20例海洛因吸毒者的脉象信号进行分类识别,初步聚类后的效果一般,通过标准差准则对误判的样本进一步划分后取得了不错的效果。
|
全文目录
中文摘要 3-4 英文摘要 4-8 1 绪论 8-15 1.1 课题研究的意义 8-9 1.2 提升小波 9-11 1.3 脉象信号处理 11-12 1.4 聚类分析方法 12-14 1.5 本论文的主要研究工作 14-15 2 小波变换的基础知识与提升方案 15-28 2.1 小波变换与提升小波的发展 15-16 2.2 小波变换的基础知识 16-20 2.2.1 连续小波变换 16 2.2.2 离散小波变换 16-17 2.2.3 多分辨率分析 17-19 2.2.4 Mallat 算法 19 2.2.5 小波基的基本性质 19-20 2.3 提升小波理论 20-27 2.3.1 小波分解与重构的多相位表示 21-22 2.3.2 Laurent 多项式及Euclidean 算法 22-23 2.3.3 多相位矩阵的因子分解 23-24 2.3.4 提升算法 24-27 2.4 本章小结 27-28 3 脉象信号的特征提取 28-36 3.1 脉象信号的特征提取方法 28-29 3.2 脉象信号的不同提升分解格式 29-34 3.3 结论 34-36 4 基于 C 均值聚类的脉象信号识别 36-50 4.1 模糊模式识别 36-37 4.2 模糊集的基本知识 37 4.3 模糊特征和模糊分类 37-38 4.3.1 模糊化特征 37-38 4.3.2 结果的模糊化 38 4.4 聚类理论基础 38-39 4.5 模糊C-均值算法及分析 39-42 4.5.1 k 均值聚类算法 39-40 4.5.2 推广的硬C-均值算法 40-41 4.5.3 模糊C-均值聚类算法 41-42 4.6 模糊C-均值算法的初始化 42-44 4.6.1 初始点的选取 43 4.6.2 加权指数m 的选取 43-44 4.6.3 聚类数C 44 4.6.4 局部极值 44 4.7 识别脉象信号的模糊C 均值(FCM)聚类算法 44-49 4.7.1 实验步骤 44-49 4.8 结论 49-50 5 结论与展望 50-51 致谢 51-52 参考文献 52-55 附录 55
|
相似论文
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 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
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 多币种纸币处理技术的研究与实现,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 基于随机森林的植物抗性基因识别方法研究,Q943
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 基于视觉的番木瓜外观品质检测技术研究,S667.9
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 红外图像目标识别及跟踪技术研究,TP391.41
- 水下目标特征的压缩与融合技术研究,TN911.7
- 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
中图分类: > 工业技术 > 无线电电子学、电信技术 > 通信 > 通信理论 > 信号处理
© 2012 www.xueweilunwen.com
|