1. 研究目的

本研究旨在利用数据降维和聚类分析技术对光电容积脉搏波（photoplethysmography,ppg）数据进行深入挖掘和分析，提取生理特征信息，以实现对不同生理或病理状态的有效识别和分类。

2. 研究意义

4. 研究的方法与步骤

本研究将采用理论分析、算法设计、实验验证相结合的研究方法。

1.首先，对ppg信号的特点和现有降维、聚类分析方法进行深入研究，分析不同方法的优缺点和适用范围，为后续研究奠定理论基础。

2.其次，针对ppg信号的特点，设计合适的降维和聚类分析算法，并对算法的参数进行优化，以提高算法的效率和准确性。

5. 研究的创新点

1.针对ppg信号的特点，探索新的降维方法或改进现有降维方法，以提高降维效率和保留更多生理信息。

2.结合ppg信号的生理意义，对聚类结果进行深入分析，尝试发现不同生理或病理状态下的ppg信号模式，为疾病的早期诊断提供依据。

3.开发基于ppg信号降维和聚类分析的应用系统，为个体化健康管理提供工具。

6. 计划与进度安排

第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。

第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲

第三阶段（2024.2~2024.3）查询资料，学习相关论文

7. 参考文献（20个中文5个英文）

[1] 王可,李海鹰,李军,等.基于深度学习的光电容积脉搏波信号特征提取与分类研究进展[j].激光生物学报,2022,31(05):495-504.

[2] 李庆,张浩,许庆国,等.基于改进一维卷积神经网络的光电容积脉搏波心率检测算法[j].电子测量与仪器学报,2023,37(01):143-151.

[3] 曾繁,熊健,刘荣.基于特征融合和深度学习的光电容积脉搏波血压估计[j].仪器仪表学报,2023,44(02):115-122.