新書推薦：
《
独立战争与世界重启：一部新的十八世纪晚期全球史（方尖碑书系）
》
售價：NT$
661.0
《
中国绘画史（第三卷）
》
售價：NT$
1669.0
《
德兰修女传：在爱中行走（世界名人名传典藏系列）
》
售價：NT$
280.0
《
抗癌饮食指导
》
售價：NT$
442.0
《
编织大花园.7，趣味十足的时尚编织
》
售價：NT$
386.0
《
游戏三部曲：游戏改变未来+游戏改变世界+游戏改变人生（套装共3册）
》
售價：NT$
1622.0
《
修昔底德与政治秩序
》
售價：NT$
386.0
《
大学问·魏晋清谈史
》
售價：NT$
549.0
|
| 編輯推薦： |
|
清华大学优秀博士学位论文丛书（以下简称优博丛书）精选自2014年以来入选的清华大学校级优秀博士学位论文（Top 5%）。每篇论文经作者进一步修改、充实并增加导师序言后，以专著形式呈现在读者面前。优博丛书选题范围涉及自然科学和人文社会科学各主要领域，覆盖清华大学开设的全部一级学科，代表了清华大学各学科*秀的博士学位论文的水平，反映了相关领域*的科研进展，具有较强的前沿性、系统性和可读性，是广大博硕士研究生开题及撰写学位论文的必备参考，也是科研人员快速和系统了解某一细分领域发展概况、*进展以及创新思路的有效途径。
|
| 內容簡介： |
|
电子鼻是一种利用气敏传感器阵列识别气味的设备，呼气分析是电子鼻的重要应用之一。通过检测呼出气体中与特定疾病相关的标志物，电子鼻可以辅助完成疾病筛查和监控，该方法具有无创、易操作等优点。本书侧重研究电子鼻系统的信号分析算法，在搭建电子鼻系统的基础上，针对电子鼻数据的特点研究信号分析过程中的关键算法，旨在提高电子鼻的准确性和实用性。本书内容包括三个方面： 基于电子鼻的呼气分析系统设计，针对相关特征的迭代特征删除算法，针对设备差异和时变漂移的补偿算法。本书可以作为电子鼻、生物医学工程和机器学习领域研究者的参考书籍。
|
| 目錄：
|
第1章引言
1.1研究背景
1.2电子鼻工作原理简介
1.3研究方向与意义
1.4研究内容
1.4.1基于电子鼻的呼气分析系统设计
1.4.2针对相关特征的迭代特征删除
1.4.3设备差异和时变漂移补偿
1.5结构安排
第2章基于电子鼻的呼气分析系统
2.1相关工作
2.1.1疾病与呼气标志物
2.1.2基于电子鼻的呼气分析
2.2系统设计与优化
2.2.1气敏传感器阵列
2.2.2电子鼻结构设计
2.2.3采样流程
2.2.4信号分析与特征增强
2.3糖尿病呼气数据集
2.4实验结果和讨论
2.4.1丙酮浓度预测实验
2.4.2糖尿病筛查
2.4.3血糖预测
2.4.4分析： 个体训练样本数与血糖预测误差的关系
2.5本章小结
第3章针对相关特征的迭代特征删除
3.1相关工作
3.1.1特征选择概述
3.1.2SVMRFE
3.2改进SVMRFE： 相关偏差缩减
3.2.1相关偏差
3.2.2相关偏差缩减
3.2.3特征选择的稳定性和集成策略
3.3候选特征集
3.4实验结果和讨论
3.4.1人工合成数据集
3.4.2糖尿病呼气数据集
3.4.3分析： 稳定性和集成策略
3.4.4分析： 特征选择结果
3.5本章小结
第4章基于加权正则化和多任务学习的漂移补偿
4.1相关工作
4.1.1设备差异补偿
4.1.2时变漂移补偿
4.1.3标定样本选择
4.2算法总结与面临的挑战
4.3漂移数据集
4.4基于加权正则化的漂移补偿
4.5基于多任务学习的漂移补偿
4.5.1双任务学习
4.5.2多任务学习
4.5.3动态模型策略
4.6实验结果和讨论
4.6.1阵列漂移数据集
4.6.2Corn数据集
4.6.3呼气分析数据集
4.7本章小结
第5章漂移补偿自编码器
5.1相关工作
5.1.1自编码器
5.1.2基于自编码器的迁移学习
5.2背景特征
5.3漂移补偿自编码器
5.3.1网络结构与目标函数
5.3.2处理复杂时变漂移
5.3.3训练流程
5.4实验结果和讨论
5.4.1阵列漂移数据集
5.4.2Corn数据集
5.4.3呼气分析数据集
5.4.4分析： 欠迁移与过迁移
5.4.5分析： 训练流程
5.5本章小结
第6章最大独立领域适配算法
6.1相关工作
6.1.1无监督领域适配算法
6.1.2HilbertSchmidt独立性准则
6.2最大独立领域适配算法
6.2.1无监督情况
6.2.2半监督情况
6.2.3与其他算法的联系
6.3特征增强
6.4实验结果和讨论
6.4.1人工合成数据集
6.4.2阵列漂移数据集
6.4.3Corn数据集
6.4.4呼气分析数据集
6.5本章小结
第7章总结和展望
7.1总结
7.2创新点
7.3展望
参考文献
索引
在学期间发表的学术论文
致谢
|
| 內容試閱：
|
导师序言
传统中医主要采用四诊合参诊察患者的健康生理状况，通过望、闻、问、切四个角度了解患者信息。其中，闻就是指听患者的说话、咳嗽、喘息，并嗅其口中或身上是否有异味。欧洲中世纪也有通过气味来诊断疾病的记录。这些传统方法其实是有科学依据的： 细胞新陈代谢的产物通过血液运输到肺部，其中挥发性成分会通过呼吸排出。而其中某些成分的浓度与特定疾病相关，因此通过呼气分析人的身体状况是可行的。现代医学研究已经证明，包括糖尿病、慢性肾病、肺癌在内的多种疾病都会造成呼气中的成分异常。相比血检、医学影像等检查手段，呼气检查的主要优点在于无创、样本易采集。在人们越来越关心自己身体状况的今天，这样一种辅助诊断手段是非常有前景的。我们希望患者能够像伸出胳膊测血压那样简单地对一台仪器吹一口气，片刻之后就能得到一些疾病的风险指标，从而决定是否到医院进行进一步详细的检查。
要实现这一点，我们首先要解决的问题是： 如何方便快速地测量呼气中的标志物？当代传感器技术的发展为这个问题提供了很好的解答。气相色谱、质谱分析等传统手段，虽然精确，但较为繁琐，成本也较高。而近年来兴起的气敏传感器则给出了另一种思路： 通过敏感材料与气体分子的反应，将气体浓度信息转化为电信号。这种方法简单、快速、成本也较低。人们把利用气敏传感器测量气体浓度的仪器形象地称为电子鼻。事实上，电子鼻已经被广泛地应用于检测空气污染物、工厂中的易燃易爆气体等，当然最普及的应用还是酒驾的检测。不过检测酒驾和检测疾病的难度不在一个数量级上： 疾病标志物的浓度要远低于饮酒后呼气中酒精的浓度，前者的浓度只有百万分之一左右。因此我们一方面需要更精确的传感器，另一方面需要用更好的算法对传感器信号进行分析。
信号分析算法是本书的主题，为了研制一套准确、实用的呼气分析系统，我们从仪器的硬件制作开始，软硬兼施，进行了全面的研究。现有商业传感器已经能够达到百万分之一级别的气体检测，因此我们经过反复试验，选择了最适合呼气检测的传感器阵列，设计了一台便携、易操作的呼气分析仪。没有数据就无法进行信号分析，因此我们与广东省中医院等单位合作，采集了近万例患者的呼气样本，其中辛苦自不待言，在此我们也感谢所有付出了辛劳的患者、医护朋友和实验室师生。
信号分析算法是呼气分析系统的重要一环，我们针对气敏传感器信号和呼气分析的特点，对多种模式识别、机器学习算法进行了改进和创新。首先，针对呼气成分存在的个体差异问题，我们对预测模型的建立方式进行了改进，提出了一种特征增强策略。其次，为了建立更准确的预测模型，我们从气敏传感器信号上提取了上千维特征，改进了现有特征选择算法并得到了最优的特征组合。最后，我们重点关注了其他呼气分析研究者较少涉及的一个主题，也就是电子鼻的鲁棒性问题。气敏传感器存在设备间差异和时变漂移问题，我们针对不同应用场景设计了四种漂移补偿算法，应用多任务学习、深度学习、子空间学习等前沿机器学习方法进行漂移补偿，大大提升了电子鼻的实用性。
综上所述，本书是一个多学科交叉的产物，结合了医学、传感器、电子和计算机等领域的研究成果； 同时兼顾了理论和实践，既设计了机器学习算法，也制作了呼气分析系统。在这个富有挑战性的课题上，本书的作者做出了重要的贡献，将呼气分析系统的准确性和实用性向前推进了一步。与人体相关的信号都是复杂的，未来我们需要挖掘已有数据中的信息，进一步深入分析呼气标志物与不同疾病的联系，从而得到更全面的算法模型。我们的最终目标是造福社会和患者，因此如何让呼气分析系统从实验室中走出、尽快走向实用，是未来研究者们需要努力的方向。
张大鹏清华大学电子工程系2018年6月
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
