学位论文 > 优秀研究生学位论文题录展示
计算智能新技术及其生物医学信号分析应用
作 者: 吴云峰
导 师: 钟义信
学 校: 北京邮电大学
专 业: 信号与信息处理
关键词: 计算智能 神经网络集成 计算机辅助医学诊断 心电信号处理 自适应滤波器 膝关节摆动信号诊断
分类号: TP18
类 型: 博士论文
年 份: 2008年
下 载: 332次
引 用: 1次
阅 读: 论文下载
内容摘要
目前,计算智能是智能科学的重要方法之一,也是信息技术的前沿课题,以计算智能为核心内容的交叉学科,如机器学习、数据挖掘、智能控制等已成为当前的研究热点,近年来研究出的计算智能新技术和新方法已经广泛应用于多个学科领域,尤其是在信号处理、模式识别、非线性系统最优化、知识工程、计算机辅助医学诊断等方面取得了丰硕的成果。本文针对计算智能领域的神经网络融合算法、自适应信号处理等重点问题进行了专题研究,并将所提出的各种算法应用于计算机辅助医学诊断和生物医学信号分析。本文的研究工作主要有:(1)对膝关节摆动信号进行了波形分析,采用了全局和分段的波形因数、偏斜度、峰度、信息熵、转向计数和均方值方差这几种统计特性并进行了特征选择,此后利用径向基函数网络对膝关节摆动信号进行了有效的诊断。随后,结合了规整化和交叉确认方法提出了多层感知器的最优结构选择算法。(2)对属于非生成式集成的神经网络线性融合算法进行了深入研究,对绝大多数投票、简单平均和加权平均算法进行了归纳总结,提出了新的感知器平均、最小均方融合、归一化加权平均和自适应线性组合算法。在此基础上,通过乳腺癌诊断、酵母蛋白质亚细胞定位预测、乳房组织分类、函数逼近实验进行了神经网络集成系统的性能测试和比较分析。实验结果表明,基于本文提出的神经网络融合算法与之前研究者提出的简单平均、混合专家系统、加权平均等融合方法相比简洁易行,更充分地利用成分神经网络提供的信息,并且能够大幅提升神经网络集成系统的分类正确率和预测精确度。(3)设计出可自适应地消除心电信号中噪声干扰的智能控制系统。研究内容包括两部分,第一部分设计了合适的自适应滤波器对心电信号成分进行估计,通过心电信号各波段的分割和重建而达到噪声消除效果,第二部分根据参考噪声的不同时域和频域特性设计出合适的自适应噪声消除系统。实验结果表明,本文所提出的这两种智能控制系统较传统的自适应滤波系统,能更快速、更有效地消除基线漂移、电源工频干扰和高频随机噪声这几种典型的噪声干扰。
|
全文目录
摘要 5-7 ABSTRACT 7-12 第一章 概述 12-19 1.1 引言 12-15 1.1.1 人工神经网络简介 13-14 1.1.2 神经计算研究和智能系统在医学诊断应用中的一些问题 14-15 1.2 本文的工作 15 参考文献 15-19 第二章 前馈神经网络用于医学诊断 19-48 2.1 概述 19 2.2 径向基函数网络对膝关节摆动信号的分类研究 19-37 2.2.1 膝关节摆动信号简介 19-20 2.2.2 膝关节摆动信号的分类和诊断 20-23 2.2.3 基于全局特征的膝关节摆动信号分类 23-34 2.2.4 基于分段特征的膝关节摆动信号分类 34-36 2.2.5 膝关节摆动信号分类小结 36-37 2.3 多层感知器最优结构的设计 37-40 2.4 本章小结 40-41 参考文献 41-48 第三章 神经网络的线性融合 48-78 3.1 神经网络集成简介及国际研究现状 48-51 3.2 神经网络线性融合算法 51-58 3.2.1 简单平均(Simple Average) 52 3.2.2 感知器平均(Perceptron Average) 52 3.2.3 最小均方(Least-Mean-Square)融合 52-53 3.2.4 归一化加权平均(Normalized Weighted Average) 53-54 3.2.5 自适应线性组合(Adaptive Linear Combination) 54-58 3.3 实验测试及结果分析 58-73 3.3.1 乳腺癌诊断实验 58-60 3.3.2 蛋白质亚细胞定位预测实验 60-63 3.3.3 乳房组织分类实验 63-67 3.3.4 函数逼近实验 67-73 3.4 本章小结 73 参考文献 73-78 第四章 自适应ECG信号滤波和噪声消除系统 78-118 4.1 ECG信号简介 78-85 4.1.1 心电图构成 78-82 4.1.2 ECG信号滤波的意义及国际研究现状 82-85 4.2 自适应ECG信号滤波系统 85-98 4.2.1 系统描述 85-90 4.2.2 实验测试 90-91 4.2.3 实验结果及分析 91-98 4.3 自适应ECG噪声消除系统 98-111 4.3.1 系统描述 98-105 4.3.2 实验测试 105-106 4.3.3 实验结果及分析 106-111 4.4 进一步的讨论 111 4.4.1 模板选择选择 111 4.4.2 自适应滤波器的参考输入 111 4.5 本章工作总结和展望 111-112 参考文献 112-118 第五章 结束语 118-120 参考文献 119-120 致谢 120-122 附录1 攻读博士学位期间发表(录用)论文情况 122-125 附录2 攻读博士学位期间获奖及学术活动情况 125
|
相似论文
- 计算智能在数字化卷烟叶组配方中的应用研究,TS44
- 基于多模型决策融合的空分过程故障检测与预报,TQ116.11
- 机载VHF通信系统干扰研究,V243.1
- 基于FPGA的自适应FIR滤波器的实现,TN713.7
- 铝合金厚板电磁超声缺陷检测方法研究,TG115.285
- MIMO-OFDM系统中半盲信道估计技术的研究,TN919.72
- 光电编码器的信号误差补偿和故障诊断研究,TN762
- 中孚300kA铝电解供电系统谐波检测及预警系统,TM935
- 铁合金矿热炉供电系统谐波检测及抑制方法研究,TM711
- 自适应滤波算法的分析与FPGA高速实现,TN713
- 自适应滤波器组合设计的研究,TN713
- 被动声测定位系统的研究,TB52
- 自适应滤波器在无线信道均衡中的应用研究,TN911.5
- VoIP中回声抵消算法的研究与改进,TN916.2
- 自适应滤波器的研究及其在齿轮箱特征提取中的应用,TN713
- 异步电动机转子断条故障诊断研究,TM343
- 免疫算法及其在自适应滤波器中的应用,TP18
- 基于LMS滤波器在热工信号处理中的应用研究,TK32
- 集成神经网络在预测蛋白质相互作用位点中的应用,TP183
- 感知分组网络关键技术的研究与改进,TN915.01
- 用于微加速度计检测电路的自适应滤波器的设计与实现,TN713
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com
|