基于统计机器学习的血液光谱分析

目录

声明

插图索引

附表索引

第1章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 论文主要内容

第2章 相关统计学与机器学习理论

2.1 小波阈值去噪

2.2 特征提取方法

2.2.1 主成分分析

2.2.2 区分度统计量

2.3 传统机器学习分类算法

2.3.1 逻辑回归

2.3.2 决策树

2.3.3 梯度提升树

2.4 支持向量回归

2.5 深度信念网络

2.5.1 受限玻尔兹曼机

2.5.2 深度信念网络

2.5.3 深度信念网络的训练

2.6 小结

第3章 光谱数据采集及分析

3.1 动物血液荧光光谱数据采集

3.2 动物血液荧光光谱数据分析

3.2.1 正态性检验

3.2.2 相关性分析

3.2.3 最大均值差异分析

3.3 血糖近红外光谱数据及血糖浓度数据采集

3.4 无创血糖检测近红外光谱数据分析

3.4.1 近红外光谱数据校正

3.4.2 实验数据分析

3.5 小结

第4章 基于统计机器学习的动物荧光光谱识别分类研究

4.1 光谱数据预处理

4.2 基于统计机器学习的动物血液荧光光谱识别分类

4.2.1 基于传统机器学习的动物血液荧光光谱识别分类

4.2.2 基于深度信念网络的动物血液荧光光谱识别分类

4.3 深度特征提取和再分类

4.3.1 深度特征提取

4.3.2 深度特征识别再分类

4.4 深度特征再选择

4.5 小结

第5章 基于支持向量回归的无创血糖浓度检测

5.1 光谱数据预处理

5.2 基于偏最小二乘回归的无创血糖浓度检测

5.2.1 模型建立与参数选择

5.2.2 回归预测以及模型评价

5.3 基于支持向量回归的无创血糖浓度检测

5.3.1 模型的建立与参数选择

5.3.2 回归预测与模型评价

5.4 小结

第6章 总结与展望

6.1 总结

6.2 展望

参考文献

攻读硕士学位期间取得的成果

致谢