多路脉象信号的特征提取与模式分类

多路脉象信号的特征提取与模式分类

论文摘要

中医脉诊学是传统医学的瑰宝,公元前就有人们通过脉搏波指导诊断各种疾病的记载、脉诊学有合理的内涵和丰富的经验,脉诊的客观化研究就是要利用先进的科学技术和手段来传统脉诊学和现代技术结合起来。本文主要研究了基于多点复合式压力传感器的多路脉象信号中特征提取和模式分类的一些技术。这些信号包括寸、关、尺三路主信号以及关部的七路副信号。在预处理阶段我们通过试验分析了近二十种小波基的性能,最终选择DMeyer小波进行小波包阈值消噪,消噪效果较以往的sym6小波消噪有所改进。我们还提出了LIP(Lowest point In one Period)算法用以改进基于周期起点插值的去基线漂移算法在多路信号应用中对噪声的鲁棒性。由于多路脉象信号具有一定的信息相关性,我们在三路主信号上利用ICA变换后去除噪声信号在反变换的办法恢复了一些被噪声湮没的脉搏波信号。在特征提取阶段由于基于差分的时域特征提取算法在应用于多路信号时该算法的准确性受噪声影响比较严重,我们提出了基于ILP(Intersection points of Lines and Pulse waveform)的时域特征提取算法,耐噪声能力得到了很大提高。为了定义脉搏波的宽度特征,我们用高斯函数拟合七个副探头的平均幅值然后用拟合得到的高斯函数的delta来代表脉搏波的宽度。最后我们还提取了四个新的面积特征,十维频域特征以及脉搏波的强度特征。在模式分类阶段我们尝试了支持向量机,神经网络以及基于知识的神经网络算法,我们还对不同种类的特征进行了联合特征的分类实验,结果表明在用神经网络分类时联合特征可以有效的提高识别精度。在基于知识的神经网络应用中由于我们利用了领域知识来改进性能使其络获得了这些分类方法之中最高的识别精度。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 课题来源
  • 1.2 课题背景及研究目的和意义
  • 1.2.1 课题背景
  • 1.2.2 研究目的和意义
  • 1.3 国内外研究现状
  • 1.4 本文的主要研究内容
  • 第2章 多路脉象信号的采集及预处理
  • 2.1 引言
  • 2.2 多路脉象信号的采集
  • 2.3 本文使用的脉象数据
  • 2.4 多路脉象数据的预处理
  • 2.4.1 基于小波包变换的脉象信号去噪声
  • 2.4.2 用LIP算法改进的去基线漂移算法
  • 2.4.3 基于ICA变换的多路脉象信号恢复
  • 2.5 本章小结
  • 第3章 多路脉象信号的特征提取
  • 3.1 引言
  • 3.2 ILP算法提取时域特征
  • 3.2.1 时域特征及其生理意义
  • 3.2.2 ILP算法
  • 3.3 脉搏波宽度特征的定义和提取
  • 3.4 其他特征的提取
  • 3.4.1 面积特征的提取
  • 3.4.2 频域特征的提取
  • 3.4.3 相对强度特征的提取
  • 3.5 本章小结
  • 第4章 多路脉象信号的分类
  • 4.1 引言
  • 4.2 小样本与留一法
  • 4.3 支持向量机多路脉象信号的分类
  • 4.3.1 支持向量机(SVM)
  • 4.3.2 用SVM对多路脉象信号进行分类及结果
  • 4.4 神经网络多路脉象信号分类
  • 4.4.1 神经网络(ANN)和BP算法
  • 4.4.2 多路脉象信号的ANN分类及结果
  • 4.5 基于知识的神经网络多路脉象信号分类
  • 4.5.1 基于知识的神经网络
  • 4.5.2 基于知识的神经网络多路脉象信号分类
  • 4.6 本章小结
  • 结论
  • 参考文献
  • 致谢
  • 相关论文文献

    • [1].沙化土地地理信息多维结构特征提取仿真[J]. 计算机仿真 2019(11)
    • [2].基于卷积神经网络特征提取的轻量级包装袋分类模型[J]. 塑料科技 2020(08)
    • [3].图片特征提取[J]. 中小企业管理与科技(中旬刊) 2017(03)
    • [4].六种常用的网络流量特征提取工具[J]. 计算机与网络 2017(06)
    • [5].浅议车牌识别中字符的特征提取方法[J]. 科技传播 2009(05)
    • [6].基于分级特征提取的货物分拣机器人目标自动识别系统设计[J]. 自动化与仪器仪表 2020(05)
    • [7].多模态生物特征提取及相关性评价综述[J]. 中国图象图形学报 2020(08)
    • [8].多传感器数据融合在船舶特征提取中的应用[J]. 舰船科学技术 2016(18)
    • [9].溯洄从之,一波三折——关于特征提取的教学实例与策略[J]. 中国信息技术教育 2020(07)
    • [10].基于局部加权的非线性特征提取方法[J]. 华中科技大学学报(自然科学版) 2013(S1)
    • [11].基于多特征提取的识别算法数学建模优化研究[J]. 哈尔滨师范大学自然科学学报 2013(04)
    • [12].一种新的基于瓶颈深度信念网络的特征提取方法及其在语种识别中的应用[J]. 计算机科学 2014(03)
    • [13].一种基于特征提取的简答题阅卷算法[J]. 湖南工程学院学报(自然科学版) 2010(01)
    • [14].基于改进符号序列熵的岸桥齿轮箱退化特征提取研究[J]. 机电工程 2020(02)
    • [15].基于自编码的特征提取方法在生物医学领域中的应用进展[J]. 中国卫生统计 2020(02)
    • [16].基于时变三维坐标重构的空间锥体目标微动特征提取方法[J]. 空军工程大学学报(自然科学版) 2020(02)
    • [17].基于特征提取和随机森林的风机故障诊断[J]. 科学技术创新 2020(26)
    • [18].互联网+嵌入式移动4G教学终端——农业病虫害特征提取系统的研究[J]. 电子技术与软件工程 2019(21)
    • [19].恶意流量特征提取综述[J]. 信息网络安全 2018(09)
    • [20].基于特征提取的图像相似度研究[J]. 信息系统工程 2016(01)
    • [21].基于敏感分量融合的液压泵退化特征提取方法[J]. 仪器仪表学报 2016(06)
    • [22].几种藏文字特征提取方法比较研究[J]. 信息与电脑(理论版) 2014(08)
    • [23].基于层次特征提取的文本分类研究[J]. 计算机应用与软件 2020(02)
    • [24].基于关联规则特征提取的心理大数据评估方法[J]. 周口师范学院学报 2020(02)
    • [25].基于三角函数迭代的视频数据特征提取[J]. 图学学报 2020(04)
    • [26].光纤安防监测信号的特征提取与识别研究综述[J]. 计算机工程与应用 2019(03)
    • [27].基于特征提取的绘本阅读机器人设计方案[J]. 电子制作 2019(15)
    • [28].基于特征提取及聚类算法的增量图片筛选系统[J]. 电视技术 2017(Z3)
    • [29].一种新颖的通信辐射源个体细微特征提取方法[J]. 电波科学学报 2016(01)
    • [30].一种基于链码的线特征提取方法[J]. 测绘科学 2014(09)

    标签:;  

    多路脉象信号的特征提取与模式分类
    下载Doc文档

    猜你喜欢