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用

電氣自動化論文編號:ZD757    論文字數:30825,頁數:107 ,有任務書，外文翻譯，程序

 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  課題的任務及要求 5
 1.5  課題的內容安排 5
第2章  MATLAB語言 6
    2.1  MATLAB語言簡介 6
    2.2  MATLAB語言的特點 6
 2.3  MATLAB語言的程序結構 7
 2.3.1  循環結構 7
        2.3.2  轉移結構 8
 2.3.1  函數的基本結構 8
第3章  總體方案設計 9
 3.1  肌電信號的拾取和預處理 9
 3.1.1  數據的采集 9
        3.1.2  數據的提取 9
 3.1.1  數據的預處理 10
 3.2  總體方案的設計與實現 11
 3.3  經濟與社會效益 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用 14
 4.2.1  最小錯誤率貝葉斯分類器的算法 14
        4.2.2  實驗結果 14
    4.3  改進的貝葉斯分類器在模式識別中的應用 16
 4.3.1  改進的貝葉斯分類器的算法 16
        4.3.2  實驗結果 17
    4.4  小結 19
第5章  模糊聚類分析及其在模式識別中的應用 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  實驗結果 24
    5.3  模糊Kohonen聚類網絡在模式識別中的應用 26
 5.3.1  模糊Kohonen聚類網絡算法 26
        5.3.2  實驗結果 27
    5.4  模糊ISODATA算法在模式識別中的應用 29
 5.4.1  模糊ISODATA算法 29
        5.4.2  實驗結果 29
    5.5  模糊K-近鄰算法在模式識別中的應用 30
 5.5.1  模糊K-近鄰算法 31
        5.5.2  實驗結果 31
    5.6  模糊聚類遺傳算法在模式識別中的應用 33
 5.6.1  模糊聚類的遺傳算法 33
        5.6.2  實驗結果 35
    5.7  小結 35
第6章  模糊神經網絡及其在模式識別中的應用 37
    6.1  模糊神經網絡概述 37
 6.2  模糊神經網絡的基本結構 38
    6.3  模糊BP網絡在模式識別中的應用 40
 6.3.1  模糊BP網絡的算法 40
        6.3.2  實驗結果 41
    6.4  模糊Elman網絡在模式識別中的應用 42
 6.4.1  模糊Elman網絡的算法 42
        6.4.2  實驗結果 42
    6.5  模糊RBF網絡在模式識別中的應用 43
 6.5.1  模糊RBF網絡的算法 43
        6.5.2  實驗結果 44
    6.6  小結 45
結論 46
致謝 48
參考文獻 49
附錄1  AR特征值的數據結構 50
附錄2  倒譜系數特征值的數據結構 54
附錄3  復雜度特征值的數據結構 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聚類網絡源程序清單 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神經網絡源程序清單 96
附錄12  模糊Elman神經網絡源程序清單 104
附錄13  模糊RBF神經網絡源程序清單 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，在許多領域被廣泛地應用。
 本文在對貝葉斯決策理論和模糊模式識別理論進行學習及分析的基礎上，應用MATLAB語言進行編程，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網絡，提出了模糊神經網絡算法。完成了最小錯誤率貝葉斯分類器、改進的貝葉斯分類器、基于模糊C-均值算法的分類器、基于模糊Kohonen聚類網絡算法的分類器、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網絡分類器、模糊Elman網絡分類器和模糊RBF網絡分類器的設計。
 作為所設計的分類器的應用，給出了在表面肌電信號模式識別中的應用結果。實驗結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、腕內旋、腕外旋，屈腕、伸腕、前臂內旋、前臂外旋）的識別率在90%以下，其它分類器的識別率均達到90%以上。
 
 關鍵詞 模式識別  貝葉斯決策  模糊聚類分析  模糊神經網絡  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)