基于聚类分析的生物电信号模式识别的研究

测控论文编号:CK022    论文字数:24345,页数:78 ,有任务书，外文翻译

目    录 
摘要 Ⅰ
Abstract Ⅱ

第1章  绪论 1
 1.1  课题背景 1
 1.1.1  课题研究内容 1
 1.2  模式识别方法综述 2
 1.2.1  模式识别概述 2
 1.2.2  模式识别系统 3
 1.2.3  模式识别的发展动态 5
第2章  MATLAB语言简介 6
 2.1  MATLAB语言的发展与前景 6
    2.2  MATLAB语言的特点 7
 2.3  MATLAB语言的控制语句 7
 2.3.1  循环结构 8
     2.3.2  条件结构 8
第3章  聚类分析的基本理论 10
 3.1  聚类分析的概念 10
 3.1.1  聚类分析的基本思想 10
 3.1.2  特征量的类型 10
        3.1.3  方法的有效性 10
 3.2  类的定义与类间距离 11   
 3.2.1  类的定义 11
 3.2.2  类间距离测度方法 12
第4章  聚类分析在模式识别中的应用  14
 4.1  表面肌电信号的获取 14
 4.2  模式相似性测度 14
 4.2.1  距离测度（差值测度） 14
        4.2.2  相似测度 19
 4.3  分级聚类法 21
 4.4  近邻函数准则算法 23
第5章  识别结果及分析 27
 5.1  对AR模型参数识别结果及分析 27
 5.2  对倒谱系数识别结果及分析 28
 5.3  对反射系数识别结果及分析 29
 5.4  对复杂度识别结果及分析 30
 5.5  对小波及小波包变换的特征值识别结果及分析 31
 5.5.1  奇异值简介与识别结果分析 32
 5.5.2  小波包简介与识别结果分析 32
 5.6  对分形维数识别结果及分析 33
 5.7  对K熵识别结果及分析 34
 5.8  近邻函数准则算法识别结果及分析 35
结论 37
结束语 38
致谢 39
参考文献 40
附录1 马氏距离程序清单 41
附录2 欧氏距离程序清单 45
附录3 切氏距离程序清单 48
附录4 绝对值距离程序清单 51
附录5 角度相似系数程序清单 54
附录6 分级聚类法程序清单 57
附录7 近邻函数准则算法程序清单 61
附录8 数据清单 70

摘  要
 通过学习聚类分析理论等相关知识，本文用模式相似性测度来描述各个模式之间的相似程度，运用距离测度、相似测度、分级聚类法、近邻函数准则算法等方法设计模式分类器，并运用MATLAB语言编程，实现相应功能。同时运用从人体表面肌电信号中提取出的多个特征值（如AR模型参数等）进行实验验证，实验表明运用距离测度、相似测度、分级聚类法方法设计的模式分类器均能较好地实现对前臂8种动作的模式识别，识别率均在80%以上。运用近邻函数准则算法设计的分类器识别效果相对较差。
 
 关键词：聚类分析 模式相似性测度 近邻函数准则算法 模式识别
 分级聚类法

Abstract
 By studying the theory of Clustering Analysis and any other relative knowledge, the extent of comparability in the pattern is described by pattern comparability measurement in this paper,handle the distance measurement, comparability measurement,classification clustering method，close function algorithms arithmetic to designing pattern divider and use MATLAB to programming,accomplish the relevant function.At the same time,handle the characterless value(i.e AR model parameters)which get from the surface EMG signals to validate, the result shows that the divider which schemed out base on distance measurement, comparability measurement, classification clustering method can well accomplish the pattern recognition for 8 actions of antebrachium, and the recognition rate almost can up to 80% or more. But the recognition effect of the divider which designed base on close function algorithms arithmetic is worse correspondingly.

 Keywords: Clustering Analysis  Pattern Comparability Measurement    Close Function Algorithms Arithmetic  Pattern Recognition
 Classification Clustering Method