情感专家

基于小波包与SVM的低频振荡模式辨识研究

您现在的位置:情感专家 > 情感咨询时间2019-07-11 11:40 来源:本站

基于小波包与SVM的低频振荡模式辨识研究

----------基于小波包与SVM的低频振荡模式辨识研究摘要第5-6页ABSTRACT第6-7页第一章绪论第10-17页研究背景与意义第10-11页低频振荡分析研究现状第11-16页低频振荡概述第11-12页低频振荡产生机理第12-14页低频振荡分析方法第14-16页本文主要工作第16-17页第二章小波包信号滤波理论分析第17-30页引言第17页小波分析理论第17-18页小波包分析第18-21页小波包理论第18-19页小波包的分解与重构第19-20页小波基的选择第20-21页小波包去噪方法分析第21-24页传统阈值去噪方法第21-22页最优小波包基降噪第22-24页小波包分解信号与特征向量第24-25页算例仿真第25-29页小波包去噪仿真分析第25-28页小波包提取信号能量特征向量仿真分析第28-29页本章小结第29-30页第三章支持向量机分析第30-41页引言第30页支持向量机基础第30-35页线性可分SVM第30-33页线性不可分SVM第33-35页核函数及参数选择第35-38页多分类的SVM第38页分类仿真分析第38-40页本章小结第40-41页第四章基于小波包与SVM的低频振荡模式辨识分析第41-58页引言第41页主成分分析第41-44页主成分分析数学模型第41-42页主成分贡献率第42-43页主成分分析的算法步骤第43-44页基于小波包与SVM的低频振荡分析第44页仿真分析第44-57页单模式时不变信号仿真分析第46-48页含多模式时变信号仿真分析第48-53页机2区域模型仿真分析第53-57页本章小结第57-58页总结与展望第58-60页参考文献第60-66页致谢第66-67页附录A(攻读硕士学位期间发表的相关论文及专利)第67-68页附录B(攻读硕士学位期间所参与的项目及实践)第68页论文共68页,Copyright(C)AllRightsReserved。

回到顶部