發(fā)布時(shí)間：2021-05-14 10:20

　　生活節(jié)奏的加快使得人們的睡眠健康和情緒處理出現(xiàn)了諸多問題,因此,睡眠分期和情感識別成為了當(dāng)今科研工作者關(guān)注的熱點(diǎn)之一。睡眠分期和情感識別可以作為輔助手段,為失眠、抑郁癥、焦慮不安等精神疾病的診斷提供可靠地參考意見。大量的研究表明現(xiàn)有算法存在以下不足:1)經(jīng)典分類算法多以二分類為主,當(dāng)進(jìn)行多類問題的研究時(shí),需要進(jìn)行多次二分類處理,時(shí)間復(fù)雜度高;2)經(jīng)典分類算法分類準(zhǔn)確率相對偏低,無法滿足睡眠分期和情感識別等研究所要求的分類準(zhǔn)確率;3)常見的經(jīng)典算法大多只能解決二分類的問題,算法結(jié)構(gòu)也需要改進(jìn)。針對上述問題,論文設(shè)計(jì)并提出了兩種多分類算法用于睡眠分期和情感識別的研究,解決了傳統(tǒng)算法不能直接應(yīng)用于多分類研究的問題。論文對算法的結(jié)構(gòu)進(jìn)行改進(jìn),使得算法的復(fù)雜度降低,同時(shí)提高了算法的分類準(zhǔn)確率,在睡眠分期和情感識別的研究中取得了不錯(cuò)的成果。論文主要研究內(nèi)容如下:（1）論文將決策樹和最小二乘支持向量機(jī)（LSSVM）算法進(jìn)行結(jié)合,提出了一種基于決策樹和最小二乘支持向量機(jī)算法（DLSVM）。用LSSVM代替決策樹中的葉子結(jié)點(diǎn),可直接應(yīng)用于多類問題的研究。DLSVM算法有以下優(yōu)勢:一方面可以減少干擾因素,... 

【文章來源】：山東師范大學(xué)山東省

【文章頁數(shù)】：49 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 研究內(nèi)容及組織
        1.2.1 論文研究內(nèi)容
        1.2.2 論文創(chuàng)新點(diǎn)
        1.2.3 論文組織結(jié)構(gòu)
第二章 睡眠分期和情感識別方法研究現(xiàn)狀
    2.1 睡眠自動分期方法
        2.1.1 睡眠與腦電節(jié)律波
        2.1.2 睡眠分期流程
        2.1.3 小波變換
        2.1.4 主成分分析(PCA)算法
        2.1.5 研究現(xiàn)狀
    2.2 情感識別方法
        2.2.1 情感識別簡介
        2.2.2 情感識別模型
        2.2.3 研究現(xiàn)狀
    2.3 評價(jià)指標(biāo)
    2.4 數(shù)據(jù)集
        2.4.1 睡眠分期數(shù)據(jù)集
        2.4.2 情感識別數(shù)據(jù)集
    2.5 本章小結(jié)
第三章 基于決策樹和最小二乘支持向量機(jī)算法及應(yīng)用
    3.1 決策樹
    3.2 最小二乘支持向量機(jī)算法
    3.3 基于決策樹和最小二乘支持向量機(jī)算法
    3.4 DLSVM算法應(yīng)用與結(jié)果分析
        3.4.1 睡眠自動分期實(shí)驗(yàn)結(jié)果與分析
        3.4.2 情感識別實(shí)驗(yàn)結(jié)果與分析
    3.5 本章小結(jié)
第四章 基于分層結(jié)構(gòu)與Adaboost多分類算法及應(yīng)用
    4.1 Adaboost分類算法
        4.1.1 Adaboost算法原理
        4.1.2 Adaboost算法性能分析
    4.2 基于分層結(jié)構(gòu)與Adaboost的多分類算法
    4.3 HAdaboost算法應(yīng)用與結(jié)果分析
        4.3.1 睡眠自動分期實(shí)驗(yàn)結(jié)果與分析
        4.3.2 情感識別實(shí)驗(yàn)結(jié)果與分析
    4.4 幾種算法的比較
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間的主要成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于優(yōu)化的LSTSVM的多模態(tài)生理信號情感識別[J]. 金純,陳光勇.  電子技術(shù)應(yīng)用. 2018(03)
[2]一種改進(jìn)腦電特征提取算法及其在情感識別中的應(yīng)用[J]. 李昕,蔡二娟,田彥秀,孫小棋,范夢頔.  生物醫(yī)學(xué)工程學(xué)雜志. 2017(04)
[3]基于腦電情緒識別的研究現(xiàn)狀[J]. 張本禹,蔣惠萍,董林杉.  中央民族大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(03)
[4]基于EMD和SVM的抑郁癥靜息態(tài)腦電信號分類研究[J]. 劉巖,李幼軍,陳萌.  山東大學(xué)學(xué)報(bào)(工學(xué)版). 2017(03)
[5]基于決策樹和改進(jìn)SVM混合模型的語音情感識別[J]. 趙涓涓,馬瑞良,張小龍.  北京理工大學(xué)學(xué)報(bào). 2017(04)
[6]基于雙向遞歸神經(jīng)網(wǎng)絡(luò)的單通道腦電圖睡眠分期研究[J]. 楊鑫,吳之南,錢松榮.  微型電腦應(yīng)用. 2017(01)
[7]計(jì)算機(jī)輔助診斷在醫(yī)學(xué)影像診斷中的基本原理和應(yīng)用進(jìn)展[J]. 高歌,馬帥,王霄英.  放射學(xué)實(shí)踐. 2016(12)
[8]基于腦電信號特征提取的睡眠分期方法研究[J]. 李斐,馬千里.  計(jì)算機(jī)技術(shù)與發(fā)展. 2017(01)
[9]基于改進(jìn)的K均值聚類算法的睡眠自動分期研究[J]. 肖姝源,王蓓,張見,張群峰,鄒俊忠.  生物醫(yī)學(xué)工程學(xué)雜志. 2016(05)
[10]基于多級SVM分類的語音情感識別算法[J]. 任浩,葉亮,李月,沙學(xué)軍.  計(jì)算機(jī)應(yīng)用研究. 2017(06)

碩士論文
[1]基于EEG的睡眠分期與睡眠評估方法研究[D]. 高群霞.華南理工大學(xué) 2015
[2]基于腦電信號樣本熵的情感識別[D]. 李立.太原理工大學(xué) 2014



本文編號：3185475