独立成分分析方法及在图像视觉感知中的应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题背景及意义 | 第10-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·本文主要工作 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第二章 基础理论 | 第16-24页 |
| ·功能磁共振技术 | 第16-18页 |
| ·fMRI数据的采集 | 第16-17页 |
| ·fMRI数据的处理 | 第17-18页 |
| ·独立成分分析 | 第18-23页 |
| ·独立成分分析方法的数学模型 | 第18-19页 |
| ·独立成分分析的模型分析 | 第19页 |
| ·ICA方法的主要的估计方法 | 第19-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于pearson系统的sICA | 第24-36页 |
| ·fMRI数据处理中常用的ICA算法 | 第24页 |
| ·常用的sICA算法 | 第24-26页 |
| ·PsICA算法 | 第26-30页 |
| ·PsICA模型 | 第26-27页 |
| ·PsICA的非线性函数及步长的选择 | 第27-30页 |
| ·PsICA算法描述 | 第30页 |
| ·仿真实验 | 第30-35页 |
| ·均方误差比较 | 第31页 |
| ·运行时间比较 | 第31-32页 |
| ·分离效果比较 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 颜色和形状特征认知功能的分离和局部整合 | 第36-54页 |
| ·研究思路 | 第36-37页 |
| ·fMRI数据采集 | 第37-38页 |
| ·被试选择 | 第37页 |
| ·刺激任务 | 第37-38页 |
| ·扫描序列设计 | 第38页 |
| ·预处理及结果 | 第38-41页 |
| ·基本特征认知功能分离和局部整合分析 | 第41-52页 |
| ·特征分离 | 第41-42页 |
| ·颜色和形状特征的感知分离结果分析 | 第42-49页 |
| ·激活区域的局部整合分析 | 第49-51页 |
| ·差异分析 | 第51-52页 |
| ·本章小结 | 第52-54页 |
| 第五章 结论与展望 | 第54-56页 |
| ·本文工作总结 | 第54页 |
| ·未来工作展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-62页 |
| 攻读学位期间发表的学术论文目录 | 第62页 |
