本文選題：三支決策模型 + 最近均值�。� 參考：《安徽大學(xué)》2017年碩士論文

【摘要】：三支決策理論符合人們做決策時(shí)的一貫行為。它具有三種決策規(guī)則,即接受、拒絕和不承諾。三支決策理論自提出以來,就被應(yīng)用于不確定、不完整信息的分析判別中。在醫(yī)療診斷中,三支決策模型具有較好的應(yīng)用前景。在研究粗糙集理論時(shí)誕生了三支決策模型,該模型最開始是為了合理的解釋粗糙集的三個(gè)域(正域、負(fù)域和邊界域)�；贒TRS的三支決策模型能夠給出很好的決策結(jié)果,但是損失函數(shù)的選取帶有人為主觀的因素,不能很好的反映決策數(shù)據(jù)的客觀信息。張對(duì)三支決策模型進(jìn)行了拓展,將構(gòu)造性覆蓋算法引入到三支決策理論中,解決了獲取閾值的問題。但是,經(jīng)過研究發(fā)現(xiàn)雖然基于CCA的三支決策模型解決了主觀獲取的閾值問題,然而,該模型在形成覆蓋的過程中,得到的覆蓋中心是隨機(jī)選取的�？紤]到被分類的數(shù)據(jù)一般都具有一定的規(guī)律性,即同類別的數(shù)據(jù)在空間分布上總是相近的,而隨機(jī)選取覆蓋中心未必能夠形成最優(yōu)覆蓋。所以,本文首先對(duì)隨機(jī)選取覆蓋中心的三支決策模型進(jìn)行優(yōu)化。然后,將優(yōu)化后的三支決策模型引入到帕金森癥患者的腦電信號(hào)的分析判別研究中。優(yōu)化覆蓋中心的過程中,主要用到最近均值的思想,選擇最佳的覆蓋中心。將優(yōu)化覆蓋中心的三支決策模型應(yīng)用到腦電信號(hào)的分析判別處理上是本文的一大亮點(diǎn)。傳統(tǒng)的二分類模型在腦電信號(hào)分類判別中并不符合醫(yī)生在診斷上的原則,而結(jié)合了離散小波變換、樣本熵以及基于優(yōu)化覆蓋中心的三支決策模型的腦電信號(hào)分析模型能夠在臨床診斷中給出準(zhǔn)確的判斷,為醫(yī)生的診斷提供重要的依據(jù)。本文從三支決策模型的理論和應(yīng)用兩個(gè)方面進(jìn)行研究,主要工作包括:1.本文首先對(duì)三支決策的提出、發(fā)展及應(yīng)用進(jìn)行了介紹,詳細(xì)闡述了三支決策模型。對(duì)腦電信號(hào)分析方面的知識(shí)和研究進(jìn)行了梳理,詳細(xì)描述了腦電信號(hào)分析的研究現(xiàn)狀和進(jìn)展。并主要對(duì)基于CCA的三支決策模型進(jìn)行了重點(diǎn)研究。之后,針對(duì)基于CCA的三支決策模型覆蓋中心隨機(jī)選取的問題結(jié)合最近均值思想提出了一種優(yōu)化覆蓋中心的三支決策模型。2.本文提出的優(yōu)化覆蓋中心的三支決策模型,解決了隨機(jī)選取覆蓋中心的問題,并且提高了分類的正確率,效果更好。而在腦電信號(hào)分析判別中,二分類模型應(yīng)用廣泛,但是在數(shù)據(jù)不充足時(shí),此種模型普遍不能提供讓患者進(jìn)一步診斷的的信息,這種在臨床上,不能根據(jù)當(dāng)前信息立即做出診斷是否患病的情況是真實(shí)存在的,即延遲判斷,需要提供更多信息做出判斷。這種情況的存在為三支決策模型應(yīng)用到腦電信號(hào)分析中提供了依據(jù)。3.三支決策理論的三個(gè)域(接受、拒絕、不承諾)在臨床診斷中可對(duì)應(yīng)于患病、未患病、延遲判斷,即需要更多信息進(jìn)行判斷。本文將基于O_CCA的三支決策模型應(yīng)用到帕金森癥腦電信號(hào)的分析判別研究中。提出了一種結(jié)合離散小波變換、樣本熵和基于O_CCA的三支決策模型的腦電信號(hào)分析判別方案。本文在帕金森癥腦電信號(hào)數(shù)據(jù)上針對(duì)離散小波變換去除噪聲能力以及腦電信號(hào)分析中常用二分類模型進(jìn)行了實(shí)驗(yàn),結(jié)果表明本方案能夠獲取更好的分析效果。
[Abstract]:The three decision theory conforms to the consistent behavior of people in making decisions. It has three kinds of decision-making rules, namely, acceptance, rejection and non commitment. Since the three decision theory has been proposed, it has been applied to the analysis and discrimination of uncertainty and incomplete information. In the medical diagnosis, the three decision-making models have a good application prospect. In the study of rough set theory, the theory of rough sets is studied. Three decision models were born, the first of which was to reasonably explain the three domains of rough sets (positive domain, negative domain and boundary domain). The three decision models based on DTRS can give good decision results. But the selection of the loss function has the subjective factors, which can not reflect the objective information of the decision data well. The three decision models are extended, and the constructive coverage algorithm is introduced into three decision theories to solve the problem of obtaining the threshold. However, it is found that although the three decision models based on CCA have solved the threshold problem of subjective acquisition, the coverage center of the model is randomly selected in the process of forming and covering. Considering that the classified data generally have some regularity, that is, the data of the same category are always similar in the spatial distribution, and the random selection of the coverage center may not be able to form the optimal coverage. Therefore, this paper first optimizes the three decision models which randomly select the coverage center. Then, the three decision models are optimized. In the analysis and discrimination of EEG signals of patients with Parkinson's disease, in the process of optimizing the coverage center, the idea of the nearest mean is used and the best coverage center is chosen. The three decision model of the optimized coverage center is applied to the analysis and discrimination of the EEG signal. The traditional two classification model is in this paper. The classification and discrimination of EEG does not conform to the doctor's principle of diagnosis, but it combines the discrete wavelet transform, the sample entropy and the three decision model based on the optimal coverage center. The EEG signal analysis model can give the accurate judgment in the clinical diagnosis and provide the important basis for the doctor's diagnosis. This paper from three decision models Two aspects of the theory and application are studied. The main work is as follows: 1. this article first introduces the development and application of three decisions, expounds the three decision models in detail, combs the knowledge and research of the EEG analysis, and describes the research status and progress of the EEG analysis in detail. Three decision models based on CCA are focused on. Then, in view of the random selection of three decision models based on the three decision models based on the nearest mean idea, a three decision model,.2., is proposed to optimize the coverage center, and the three decision model of the optimal coverage center is proposed, which solves the random selection center. The two classification model is widely used in EEG analysis and discrimination, but in the case of insufficient data, this model generally does not provide information for further diagnosis. In clinical, it is not possible to diagnose the disease immediately according to the current information. The existence of the real existence, that is, the delay judgment, needs to provide more information to make a judgment. The existence of this situation provides three decision models to the EEG analysis by providing three domains (acceptance, rejection, non commitment) in three domains (acceptance, rejection, non commitment) in the application of three decision models to the EEG analysis. In this paper, three decision models based on O_CCA are applied to the analysis and discrimination of Parkinson's EEG signal. A discriminant scheme of EEG signal analysis is proposed, which combines discrete wavelet transform, sample entropy and three decision model based on O_CCA. This paper is used to remove the discrete wavelet transform on the Parkinson's EEG data. Experiments on noise classification and two classification models in EEG analysis show that the scheme can achieve better results.
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：R318;TN911.6

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;腦電信號(hào)處理的研究取得階段性成果[J];河北師范大學(xué)學(xué)報(bào);1987年01期

2 李志瑞;張文杰;;通用腦電信號(hào)處理——微機(jī)系統(tǒng)初探[J];河北師范大學(xué)學(xué)報(bào);1988年Z1期

3 孟欣，歐陽楷;腦電信號(hào)的幾個(gè)非線性動(dòng)力學(xué)分析方法[J];北京生物醫(yī)學(xué)工程;1997年03期

4 吳小培,馮煥清,周荷琴,王濤;獨(dú)立分量分析及其在腦電信號(hào)預(yù)處理中的應(yīng)用[J];北京生物醫(yī)學(xué)工程;2001年01期

5 李英遠(yuǎn),周衛(wèi)東;徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)在腦電信號(hào)建模中的應(yīng)用[J];山東生物醫(yī)學(xué)工程;2002年02期

6 劉大路,江朝暉,馮煥清,王聰;基于腦電信號(hào)時(shí)空分布信息的思維特征研究[J];北京生物醫(yī)學(xué)工程;2004年02期

7 許崇濤,沈民奮,李慧,朱國(guó)平;雙譜分析方法在腦電信號(hào)分析中的應(yīng)用[J];中國(guó)行為醫(yī)學(xué)科學(xué);2004年03期

8 湯曉軍,宋卓,楊卓,張濤;雙任務(wù)事件中腦電信號(hào)的熵計(jì)算(英文)[J];生物物理學(xué)報(bào);2005年05期

9 蔣辰偉;章悅;曹洋;朱國(guó)行;顧凡及;王斌;;腦死亡與腦昏迷腦電信號(hào)的復(fù)雜度研究[J];生物物理學(xué)報(bào);2008年02期

10 李谷;范影樂;龐全;;基于排列組合熵的腦電信號(hào)睡眠分期研究[J];生物醫(yī)學(xué)工程學(xué)雜志;2009年04期

相關(guān)會(huì)議論文 前10條

1 薛蘊(yùn)全;王秋英;王宏;;腦電信號(hào)的動(dòng)態(tài)時(shí)空響應(yīng)拓?fù)鋱D[A];中國(guó)儀器儀表學(xué)會(huì)第三屆青年學(xué)術(shù)會(huì)議論文集（上）[C];2001年

2 王裕清;粱平;郭付清;張登攀;;腦電信號(hào)診斷專家系統(tǒng)的研究[A];中國(guó)生理學(xué)會(huì)第21屆全國(guó)代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2002年

3 朱林劍;包海濤;孫守林;梁豐;;新型腦電信號(hào)采集方法與應(yīng)用研究[A];大連理工大學(xué)生物醫(yī)學(xué)工程學(xué)術(shù)論文集（第2卷）[C];2005年

4 許濤;朱林劍;包海濤;;基于思維腦電信號(hào)的假手的研究[A];提高全民科學(xué)素質(zhì)、建設(shè)創(chuàng)新型國(guó)家——2006中國(guó)科協(xié)年會(huì)論文集（下冊(cè)）[C];2006年

5 李愛新;孫鐵;郭炎峰;;基于人工神經(jīng)網(wǎng)絡(luò)的腦電信號(hào)模式分類[A];自動(dòng)化技術(shù)與冶金流程節(jié)能減排——全國(guó)冶金自動(dòng)化信息網(wǎng)2008年會(huì)論文集[C];2008年

6 童珊;黃華;陳槐卿;;混沌理論在腦電信號(hào)分析中的應(yīng)用[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)第六次會(huì)員代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2004年

7 李凌;曾慶寧;堯德中;;利用兩級(jí)抗交叉串?dāng)_自適應(yīng)濾波器提取誘發(fā)腦電信號(hào)[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)第六次會(huì)員代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2004年

8 葛家怡;周鵬;王明時(shí);;睡眠腦電信號(hào)樣本熵的研究[A];中國(guó)生物醫(yī)學(xué)工程進(jìn)展——2007中國(guó)生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2007年

9 李麗君;黃思娟;吳效明;熊冬生;;基于運(yùn)動(dòng)想象的腦電信號(hào)特征提取與分類[A];中國(guó)儀器儀表學(xué)會(huì)醫(yī)療儀器分會(huì)2010兩岸四地生物醫(yī)學(xué)工程學(xué)術(shù)年會(huì)論文集[C];2010年

10 葛家怡;周鵬;王明時(shí);;睡眠腦電信號(hào)樣本熵的研究[A];天津市生物醫(yī)學(xué)工程學(xué)會(huì)2007年學(xué)術(shù)年會(huì)論文摘要集[C];2007年

相關(guān)重要報(bào)紙文章 前1條

1 張文清　記者 王春;意念控制車速及左右轉(zhuǎn)彎前行[N];科技日?qǐng)?bào);2008年

相關(guān)博士學(xué)位論文 前10條

1 彭宏;普適化腦電信息感知關(guān)鍵問題的研究[D];蘭州大學(xué);2015年

2 吳玉鵬;AR譜在皮層癇樣腦電信號(hào)分析應(yīng)用[D];河北醫(yī)科大學(xué);2015年

3 吳畏;基于統(tǒng)計(jì)建模的多導(dǎo)聯(lián)腦電信號(hào)時(shí)空建模方法研究[D];清華大學(xué);2012年

4 孫宇舸;腦—機(jī)接口系統(tǒng)中腦電信號(hào)處理方法的研究[D];東北大學(xué);2012年

5 周群;腦電信號(hào)同步：方法及應(yīng)用研究[D];電子科技大學(xué);2009年

6 趙麗;基于腦電信號(hào)的腦-機(jī)接口技術(shù)研究[D];天津大學(xué);2004年

7 李春勝;腦電信號(hào)混沌特性的研究與應(yīng)用[D];東北大學(xué);2011年

8 歐陽高翔;癲癇腦電信號(hào)的非線性特征識(shí)別與分析[D];燕山大學(xué);2010年

9 繆曉波;基于腦電信號(hào)的認(rèn)知?jiǎng)恿W(xué)系統(tǒng)研究——線性/非線性方法及動(dòng)態(tài)時(shí)—頻—空分析[D];重慶大學(xué);2004年

10 張美云;阿爾茨海默病腦電信號(hào)多尺度時(shí)空定量特征研究[D];天津醫(yī)科大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 于洪;基于腦電信號(hào)的警覺度估計(jì)[D];上海交通大學(xué);2007年

2 蔣潔;基于高性能計(jì)算的腦電信號(hào)分析[D];燕山大學(xué);2010年

3 張志琴;腦電信號(hào)的復(fù)雜性分析[D];中南大學(xué);2009年

4 許鳳娟;腦電信號(hào)采集與分析系統(tǒng)的設(shè)計(jì)[D];長(zhǎng)春理工大學(xué);2011年

5 曹銘;意識(shí)障礙患者腦電信號(hào)的非線性動(dòng)力學(xué)評(píng)價(jià)分析[D];杭州電子科技大學(xué);2012年

6 薛吉星;多通道腦電信號(hào)采集與處理系統(tǒng)研究[D];華南理工大學(xué);2015年

7 劉靜;基于加權(quán)排序熵的多通道腦電信號(hào)同步算法研究[D];燕山大學(xué);2015年

8 陳澤濤;基于腦電信號(hào)分析的AD早期評(píng)估系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];燕山大學(xué);2015年

9 王歡;基于非平穩(wěn)時(shí)間序列分析方法的腦電信號(hào)模式識(shí)別[D];蘇州大學(xué);2015年

10 王瓊穎;腦電信號(hào)的非線性動(dòng)力學(xué)分析及其在睡眠分期中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2015年

，

本文編號(hào)：1924533