摘 要
非参数技术和模糊模式识别理论是模式识别范畴中的重要分支，在许多领域中被广泛应用。
本文在对非参数技术和模糊模式识别理论进行学习的基础上，应用MATLAB语言进行编程，设计了基于Parzen窗算法、近邻法以及模糊方法的分类器，并把模糊模式识别理论引入非参数技术中，实现了组合分类器的设计，同时把模糊模式识别理论和神经网络相结合，完成了模糊神经网络分类器的设计。通过比较，本文给出几种对肌电信号识别效果较好的分类器。实验结果表明本文提出的方法是有效的表面肌电信号的模式识别方法。
关键词：肌电信号，模式识别，非参数技术，模糊模式识别，
神经网络
目 录
摘要 Ⅰ
Abstract Ⅱ
第1章 绪论 1
1.1 课题背景 1
1.1.1 肌电信号及其发展概况 1
1.1.2 肌电信号的检测与分析方法简介 1
1.2 模式识别简介 2
1.3 模式识别系统 3
1.3.1 传感器 3
1.3.2 特征提取 3
1.3.3 分类器 3
1.2.1 后处理 4
第2章 MATLAB简介 5
2.1 MATLAB程序设计语言基础 5
2.1.1 MATLAB的基本数据结构 5
2.1.2 MATLAB的基本语句结构 6
2.1.3 冒号表达式与子矩阵提取 6
2.2 基本数学运算 6
2.2.1 矩阵的代数运算 6
2.2.2 矩阵的逻辑运算 7
2.3 MATLAB语言的流程结构 7
2.3.1 循环结构 7
2.3.2 转移结构 8
2.3.3 开关结构 8
第3章 总体方案设计 9
3.1 课题的任务及要求 9
3.1.1 课题的任务 9
3.1.2 课题的要求 9
3.2 表面肌电信号的数据采集及特征提取 9
3.2.1 表面肌电信号的数据采集 9
3.2.2 表面肌电信号的特征提取 9
3.3 总体方案设计及实现 10
3.4 经济技术分析 10
第4章 非参数技术及其在表面肌电信号模式识别中的应用 11
4.1 引言 11
4.2 Parzen窗方法 11
4.2.1 Parzen窗估计的概念 11
4.2.2 估计量为密度函数的条件 12
4.2.3 窗函数的选择 12
4.2.4 窗宽对估计量的影响 12
4.2.5 Parzen窗方法在模式识别中的应用 13
4.3 概率神经网络及其应用 15
4.3.1 概率神经网络 15
4.3.2 概率神经网络在表面肌电信号模式识别中的应用 17
4.4 最近邻法及其应用 19
4.4.1 最近邻法 19
4.4.2 最近邻法的错误率分析 19
4.4.3 最近邻法在表面肌电信号模式识别中的应用 20
4.5 K-近邻法及其应用 22
4.5.1 K-近邻法 22
4.5.2 K-近邻法的错误率分析 23
4.5.3 K-近邻法在表面肌电信号模式识别中的应用 23
4.6 本章小结 25
第5章 模糊模式识别及其在表面肌电信号模式识别中的应用 26
5.1 引言 26
5.2 模糊逻辑推理系统的基本结构 27
5.3 网络结构 27
5.4 Fuzzy ART算法及其应用 30
5.4.1 Fuzzy ART算法 30
5.4.2 Fuzzy ART算法在表面肌电信号模式识别中的应用 31
5.5 相似度比较法及其应用 33
5.5.1 相似度比较算法 33
5.5.2 相似度比较算法在表面肌电信号模式识别中的应用 34
5.6 MMC算法及其应用 34
5.6.1 MMC算法 34
5.6.2 MMC算法在表面肌电信号模式识别中的应用 36
5.7 FCM算法及其应用 36
5.7.1 FCM算法 36
5.7.2 FCM算法在表面肌电信号模式识别中的应用 37
5.8 小结 37
结论 38
结束语 39
致谢 40
参考文献 41
