貝葉斯決策理論和模糊模式識別在生物電信號模式識別中的應(yīng)用
3萬字 107頁
包括任務(wù)書，完整中文及英文論文兩個版本論文各一套，程序代碼，另論文附錄明細(xì)如下：
附錄1 AR特征值的數(shù)據(jù)結(jié)構(gòu) 50
附錄2 倒譜系數(shù)特征值的數(shù)據(jù)結(jié)構(gòu) 54
附錄3 復(fù)雜度特征值的數(shù)據(jù)結(jié)構(gòu) 58
附錄4 最小錯誤率貝葉斯分類器源程序清單 59
附錄5 改進(jìn)的貝葉斯分類器源程序清單 63
附錄6 模糊C均值聚類源程序清單 69
附錄7 模糊Kohonen聚類網(wǎng)絡(luò)源程序清單 74
附錄8 模糊K近鄰源程序清單 81
附錄9 模糊KOHONEN聚類源程序清單 86
附錄10 模糊聚類的遺傳算法源程序清單 92
附錄11 模糊BP神經(jīng)網(wǎng)絡(luò)源程序清單 96
附錄12 模糊Elman神經(jīng)網(wǎng)絡(luò)源程序清單 104
附錄13 模糊RBF神經(jīng)網(wǎng)絡(luò)源程序清單 106










摘 要

貝葉斯決策理論和模糊模式識別理論是模式識別范疇中的一個重要分支，在許多領(lǐng)域被廣泛地應(yīng)用。
本文在對貝葉斯決策理論和模糊模式識別理論進(jìn)行學(xué)習(xí)及分析的基礎(chǔ)上，應(yīng)用MATLAB語言進(jìn)行編程，提出了貝葉斯分類器的算法和模糊聚類的算法，并將模糊思想推廣到了神經(jīng)網(wǎng)絡(luò)，提出了模糊神經(jīng)網(wǎng)絡(luò)算法。完成了最小錯誤率貝葉斯分類器、改進(jìn)的貝葉斯分類器、基于模糊C-均值算法的分類器、基于模糊Kohonen聚類網(wǎng)絡(luò)算法的分類器、基于模糊聚類的遺傳算法的分類器、基于模糊K近臨法的分類器、基于模糊ISODATA算法的分類器、模糊BP網(wǎng)絡(luò)分類器、模糊Elman網(wǎng)絡(luò)分類器和模糊RBF網(wǎng)絡(luò)分類器的設(shè)計。
作為所設(shè)計的分類器的應(yīng)用，給出了在表面肌電信號模式識別中的應(yīng)用結(jié)果。實(shí)驗(yàn)結(jié)果表明只有基于模糊聚類遺傳算法的分類器對人體前臂8個動作（握拳、展拳、腕內(nèi)旋、腕外旋，屈腕、伸腕、前臂內(nèi)旋、前臂外旋）的識別率在90%以下，其它分類器的識別率均達(dá)到90%以上。

關(guān)鍵詞 模式識別 貝葉斯決策 模糊聚類分析 模糊神經(jīng)網(wǎng)絡(luò) 表面肌電信號



Abstract

The Bayes decision theories and fussy pattern recognition theories are important branch of fuzzy pattern recognition, they are widely used in many fields.
In this paper, based on studying the Bayes decision theories and fussy pattern recognition theories, using the MATLAB language to program, a suppressed Bayes classifer and fuzzy clustering algorithm is proposed. Besides, suppressed fuzzy network algorithm is present according to the same idea. Completed the design that minimum mistake rate Bayes classification machine, improvement Bayes classification machine, according to fuzzy c-means clustering algorithm classification machine, according to the fuzzy Kohonen clustering network, according to the fuzzy ISODATA clustering, according to the that fuzzy K-Nearly the method, the fuzzy BP network classification machine, the fuzzy Elman network classification machine and fuzzy network of RBF categorizes the machine.
As the proposed algorithm’s applications, surface electromyogra-
phic(SEMG) is valid. Experimental results indicate that these algorithms are valid.

Keywords: Pattern Recognition Bayes Decision
Fussy Clustering Algorithm Fuzzy Network
Surface Electromyograhic (SEMG)


目 錄

摘要 Ⅰ
Abstract Ⅱ

第1章 緒論 1
1.1 生物電信號簡介 1
1.2 模式識別概述 1
1.2.1 模式識別的概念 2
1.2.2 模式識別的方法 2
1.3 貝葉斯決策理論和模糊模式識別簡介 4
1.4 課題的任務(wù)及要求 5
1.5 課題的內(nèi)容安排 5
第2章 MATLAB語言 6
2.1 MATLAB語言簡介 6
2.2 MATLAB語言的特點(diǎn) 6
2.3 MATLAB語言的程序結(jié)構(gòu) 7
2.3.1 循環(huán)結(jié)構(gòu) 7
2.3.2 轉(zhuǎn)移結(jié)構(gòu) 8
2.3.3 函數(shù)的基本結(jié)構(gòu) 8
第3章 總體方案設(shè)計 9
3.1 肌電信號的拾取和預(yù)處理 9
3.1.1 數(shù)據(jù)的采集 9
3.1.2 數(shù)據(jù)的提取 9
3.1.3 數(shù)據(jù)的預(yù)處理 10
3.2 總體方案的設(shè)計與實(shí)現(xiàn) 11
3.3 經(jīng)濟(jì)與社會效益 12
第4章 貝葉斯分類器及其在模式識別中的應(yīng)用 13
4.1 貝葉斯分類器的基本原理 13
4.2 最小錯誤率貝葉斯分類器在模式識別中的應(yīng)用 14
4.2.1 最小錯誤率貝葉斯分類器的算法 14
4.2.2 實(shí)驗(yàn)結(jié)果 14
4.3 改進(jìn)的貝葉斯分類器在模式識別中的應(yīng)用 16
4.3.1 改進(jìn)的貝葉斯分類器的算法 16
4.3.2 實(shí)驗(yàn)結(jié)果 17
4.4 小結(jié) 19
第5章 模糊聚類分析及其在模式識別中的應(yīng)用 21
5.1 模糊聚類的基本原理 21
5.2 C-均值聚類算法在模式識別中的應(yīng)用 22
5.2.1 硬C-均值聚類算法 22
5.2.2 模糊C-均值聚類算法 23
5.2.3 實(shí)驗(yàn)結(jié)果 24
5.3 模糊Kohonen聚類網(wǎng)絡(luò)在模式識別中的應(yīng)用 26
5.3.1 模糊Kohonen聚類網(wǎng)絡(luò)算法 26
5.3.2 實(shí)驗(yàn)結(jié)果 27
5.4 模糊ISODATA算法在模式識別中的應(yīng)用 29
5.4.1 模糊ISODATA算法 29
5.4.2 實(shí)驗(yàn)結(jié)果 29
5.5 模糊K-近鄰算法在模式識別中的應(yīng)用 30
5.5.1 模糊K-近鄰算法 31
5.5.2 實(shí)驗(yàn)結(jié)果 31
5.6 模糊聚類遺傳算法在模式識別中的應(yīng)用 33
5.6.1 模糊聚類的遺傳算法 33
5.6.2 實(shí)驗(yàn)結(jié)果 35
5.7 小結(jié) 35
第6章 模糊神經(jīng)網(wǎng)絡(luò)及其在模式識別中的應(yīng)用 37
6.1 模糊神經(jīng)網(wǎng)絡(luò)概述 37
6.2 模糊神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu) 38
6.3 模糊BP網(wǎng)絡(luò)在模式識別中的應(yīng)用 40
6.3.1 模糊BP網(wǎng)絡(luò)的算法 40
6.3.2 實(shí)驗(yàn)結(jié)果 41
6.4 模糊Elman網(wǎng)絡(luò)在模式識別中的應(yīng)用 42
6.4.1 模糊Elman網(wǎng)絡(luò)的算法 42
6.4.2 實(shí)驗(yàn)結(jié)果 42
6.5 模糊RBF網(wǎng)絡(luò)在模式識別中的應(yīng)用 43
6.5.1 模糊RBF網(wǎng)絡(luò)的算法 43
6.5.2 實(shí)驗(yàn)結(jié)果 44
6.6 小結(jié) 45
結(jié)論 46
致謝 48
參考文獻(xiàn) 49
附錄1 AR特征值的數(shù)據(jù)結(jié)構(gòu) 50
附錄2 倒譜系數(shù)特征值的數(shù)據(jù)結(jié)構(gòu) 54
附錄3 復(fù)雜度特征值的數(shù)據(jù)結(jié)構(gòu) 58
附錄4 最小錯誤率貝葉斯分類器源程序清單 59
附錄5 改進(jìn)的貝葉斯分類器源程序清單 63
附錄6 模糊C均值聚類源程序清單 69
附錄7 模糊Kohonen聚類網(wǎng)絡(luò)源程序清單 74
附錄8 模糊K近鄰源程序清單 81
附錄9 模糊KOHONEN聚類源程序清單 86
附錄10 模糊聚類的遺傳算法源程序清單 92
附錄11 模糊BP神經(jīng)網(wǎng)絡(luò)源程序清單 96
附錄12 模糊Elman神經(jīng)網(wǎng)絡(luò)源程序清單 104
附錄13 模糊RBF神經(jīng)網(wǎng)絡(luò)源程序清單 106




參考文獻(xiàn)
8 孫即祥.現(xiàn)代模式識別.國防科技科技出版社,2002
9 高新波.模糊聚類分析及其應(yīng)用.西安電子科技大學(xué),2004
10 蔡立羽等.表面肌電信號復(fù)雜度特征提取研究[J].航天醫(yī)學(xué)與醫(yī)學(xué)工程,2000
11 雷敏等.肌電假肢控制中的表面肌電信號的研究進(jìn)展與展望.中國醫(yī)療器械雜志,2001
12 范九倫,甄文智.抑制式模糊C-均值聚類算法.電子學(xué)報,2003
13 甄文智,范九倫.基于二維直方圖的圖象聚類分割新方法.計算機(jī)工程與應(yīng)用，2003
14 Jiu-Lun Fan,Wen-Zhi Zhen,Wen-Xin Xie.Suppress Fuzzy c-Means Clustering Algorithm.Pattern Recognition Letters,2003