多任务状态下的脑纹识别研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 引言 | 第12-13页 |
| 1.2 脑电信号在身份认证中的应用 | 第13-14页 |
| 1.3 脑电信号在个人身份识别的应用 | 第14-16页 |
| 1.3.1 基于静息电位的脑电身份识别 | 第14-15页 |
| 1.3.2 基于事件相关电位的脑电身份识别 | 第15页 |
| 1.3.3 基于视觉诱发电位的脑电身份识别 | 第15-16页 |
| 1.4 本文研究内容 | 第16-17页 |
| 1.5 论文结构安排 | 第17-20页 |
| 第2章 脑电信号预处理 | 第20-26页 |
| 2.1 脑电信号的生理基础 | 第20页 |
| 2.2 脑电信号的频段 | 第20-21页 |
| 2.3 降噪和增强 | 第21-23页 |
| 2.4 脑电信号分析方法 | 第23-24页 |
| 2.4.1 时域分析法 | 第23页 |
| 2.4.2 频域分析法 | 第23页 |
| 2.4.3 时-频域分析法 | 第23-24页 |
| 2.4.4 非线性动力学方法 | 第24页 |
| 2.5 本章总结 | 第24-26页 |
| 第3章 脑电信号的相位同步研究 | 第26-32页 |
| 3.1 引言 | 第26页 |
| 3.2 脑电信号的同步性 | 第26-27页 |
| 3.3 脑电信号同步研究方法 | 第27-28页 |
| 3.3.1 线性方法 | 第27-28页 |
| 3.3.2 非线性方法 | 第28页 |
| 3.4 脑电信号的相位同步 | 第28-31页 |
| 3.4.1 希尔伯特变换 | 第29页 |
| 3.4.2Gabor小波变换 | 第29-30页 |
| 3.4.3 相位锁定值 | 第30-31页 |
| 3.5 本章总结 | 第31-32页 |
| 第4章 基于脑网络的脑纹识别研究 | 第32-50页 |
| 4.1 引言 | 第32页 |
| 4.2 脑网络 | 第32-34页 |
| 4.3 脑纹识别中的脑网络特征提取 | 第34-35页 |
| 4.4 多类任务数据集 | 第35-37页 |
| 4.5 脑纹识别分类器设计 | 第37-38页 |
| 4.6 基于脑网络的脑纹识别 | 第38-40页 |
| 4.6.1 数据预处理 | 第39页 |
| 4.6.2 脑纹特征提取 | 第39页 |
| 4.6.3 脑纹特征分类测试 | 第39-40页 |
| 4.7 脑纹识别实验 | 第40-49页 |
| 4.7.1 脑纹特征可视化 | 第40-45页 |
| 4.7.2 脑纹识别结果 | 第45-49页 |
| 4.8 本章总结 | 第49-50页 |
| 第5章 基于深度学习的脑纹识别研究 | 第50-64页 |
| 5.1 引言 | 第50页 |
| 5.2 深度信念网络介绍 | 第50-53页 |
| 5.2.1 受限波尔兹曼机 | 第51-52页 |
| 5.2.2 对比散度 | 第52-53页 |
| 5.2.3 深度信念网络 | 第53页 |
| 5.3 基于深度信念网络的脑纹识别 | 第53-56页 |
| 5.3.1 数据预处理及特征提取 | 第53-54页 |
| 5.3.2 脑纹识别具体步骤 | 第54-56页 |
| 5.4 基于深度信念网络的脑纹识别实验 | 第56-62页 |
| 5.4.1 脑纹识别网络结构参数设置 | 第56-57页 |
| 5.4.2 脑纹识别分层特征展示 | 第57-60页 |
| 5.4.3 脑纹识别结果展示 | 第60-62页 |
| 5.5 本章总结 | 第62-64页 |
| 第6章 总结和展望 | 第64-66页 |
| 6.1 全文总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-73页 |
| 附录 | 第73-74页 |
| 附件 | 第74-76页 |
