帕金森病是人類常見的神經(jīng)退行性疾病之一，其病程時間長且發(fā)病范圍廣。由于該病病因尚未完全明確，目前所有針對帕金森病的治療都是控制病癥，而無法從根本上進(jìn)行治愈。但在發(fā)病早期就開始接受合理治療的患者，絕大多數(shù)能夠延緩病情的發(fā)展，生活基本自理。因此，帕金森病的早期診斷不論對于家庭還是社會均具有重大意義。語言障礙是帕金森病的早期癥狀之一，基于語言障礙的帕金森病診斷是近年來的帕金森病診斷研究熱點之一。 本文針對帕金森病的語言障礙特征，本文提出利用多維篩組合分類器進(jìn)行帕金森病的可視化診斷。在解決帕金森病診斷實際問題的同時，完善基于高維數(shù)據(jù)列向量圖表示的可視化組合分類器理論和方法，無論對信息融合和模式識別學(xué)術(shù)研究還是對基于語音特征的帕金森疾病診斷應(yīng)用研究都具有重要意義。 首先，基于可視化分類器的框架結(jié)構(gòu)，提出多維篩組合分類器框架，并從數(shù)據(jù)表示、類域生成與權(quán)重計算三個方面進(jìn)行了完善。在數(shù)據(jù)表示階段，提出基于色度學(xué)混色原理的彩色多元圖著色表示，完善了模式識別應(yīng)用下的多元圖表示中類別信息的表示方法；在類域生成階段，以訓(xùn)練樣本的空間單點表示為出發(fā)點，提出了基于計算幾何的區(qū)域主動生長的類界面求取方法。通過對基點...

【文章頁數(shù)】：128 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景及研究的目的和意義
    1.2 研究現(xiàn)狀
        1.2.1 新型帕金森病診斷方法研究現(xiàn)狀
        1.2.2 基于語音障礙的帕金森病診斷研究現(xiàn)狀
        1.2.3 基于多元圖表示的可視化模式識別研究現(xiàn)狀
    1.3 本文的主要研究內(nèi)容
第2章 多維篩分類器的可視化分類原理
    2.1 引言
    2.2 多維篩分類器
        2.2.1 可視化分類器框架
        2.2.2 多維篩分類器框架
    2.3 多維篩與傳統(tǒng)可視化分類器區(qū)別
        2.3.1 數(shù)據(jù)表示特色分析
        2.3.2 界面生成特色分析
        2.3.3 組合分類器結(jié)構(gòu)分析
    2.4 基于多維篩的帕金森病可視化診斷
    2.5 本章小結(jié)
第3章 多維數(shù)據(jù)的多元圖表示與優(yōu)化方法
    3.1 引言
    3.2 模式識別的表示問題
        3.2.1 表示在模式識別中的作用
        3.2.2 表示的理解與表示的原則
        3.2.3 表示的方法
    3.3. 高維數(shù)據(jù)的 2D 圖單點表示原理
        3.3.1 單點單變量 2D 圖表示
        3.3.2 單點多變量 2D 圖表示
        3.3.3 單點全變量 2D 圖表示
        3.3.4 表示方法對比
    3.4 基于色度學(xué)空間的多元圖表示
        3.4.1 傳統(tǒng)多元圖表示的局限
        3.4.2 色度學(xué)在多元圖表示的應(yīng)用
        3.4.3 色度多元圖的生成方法
    3.5 基于非線性變換的圖表示優(yōu)化
        3.5.1 非線性變換作用與原則
        3.5.2 多元圖表示的非線性優(yōu)化
    3.6 本章小結(jié)
第4章 多維篩類域空間生成與權(quán)系數(shù)計算
    4.1 引言
    4.2 基于域匹配思想的類域生成原理
        4.2.1 經(jīng)典分類界面生成算法分析
        4.2.2 主動生長類域生成基本思想
    4.3 基于計算幾何的主動生長類域生成方法
        4.3.1 數(shù)據(jù)描述
        4.3.2 1 維空間下的主動生長
        4.3.3 主動生長的等效算法
        4.3.4 高維擴(kuò)展
    4.4 域匹配空間的可視化信息
    4.5 分類界面轉(zhuǎn)換
    4.6 基于粗糙度的子分類器權(quán)重計算
        4.6.1 分類界面中的模糊性
        4.6.2 特定類粗糙度計算
        4.6.3 子分類器空間權(quán)重計算
    4.7 類空間規(guī)整度的計算幾何組合分類器權(quán)重分配
        4.7.1 分類界面中共生關(guān)系計算
        4.7.2 子分類器規(guī)整度與權(quán)重計算
    4.8 本章小結(jié)
第5章 多維篩分類器性能測試與評價
    5.1 引言
    5.2 實驗數(shù)據(jù)
    5.3 不同加權(quán)方式測試
        5.3.1 測試方法
        5.3.2 實驗結(jié)果與分析
    5.4. 不同分類器對比實驗
        5.4.1 測試方法
        5.4.2 實驗結(jié)果與分析
    5.5 分類界面對比
    5.6 本章小結(jié)
第6章 基于語音障礙的帕金森病可視化診斷
    6.1 引言
    6.2 帕金森病語音障礙特征分析
        6.2.1 帕金森病語音信號特點
        6.2.2 采集方法與對象選擇
        6.2.3 語音特征分析
    6.3 測試數(shù)據(jù)集的選擇
        6.3.1 帕金森數(shù)據(jù)集
        6.3.2 遠(yuǎn)程帕金森數(shù)據(jù)集
    6.4 帕金森病的可視化分類過程
    6.5 實驗結(jié)果
        6.5.1 不同的量化級下分類精度對比
        6.5.2 非線性參數(shù)與加權(quán)方式的影響
        6.5.3 多維篩層數(shù)的影響
    6.6 與其他分類器比較
    6.7 本章小結(jié)
結(jié)論
參考文獻(xiàn)
附錄 1 量化階對帕金森數(shù)據(jù)集精度的影響
攻讀博士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果
致謝
作者簡介



本文編號：3977661