基于CSP和ICA的多任务脑机接口分类方法比较研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第1章 引言 | 第7-15页 |
| ·BCI的研究意义 | 第8页 |
| ·BCI的研究现状 | 第8-10页 |
| ·BCI的基本结构 | 第10-11页 |
| ·BCI的基本类型 | 第11-12页 |
| ·BCI的应用 | 第12-13页 |
| ·本论文的主要内容 | 第13-15页 |
| 第2章 脑机接口信号处理方法的研究 | 第15-31页 |
| ·特征提取算法 | 第15-24页 |
| ·共同空间模式 | 第15-20页 |
| ·独立分量分析 | 第20-24页 |
| ·特征分类算法 | 第24-30页 |
| ·Fisher判别分析 | 第25-26页 |
| ·支持向量机 | 第26-29页 |
| ·KNN近邻法 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于CSP的实验范式和结果 | 第31-46页 |
| ·实验数据 | 第31-33页 |
| ·实验范例 | 第31-32页 |
| ·数据采集 | 第32页 |
| ·单次实验EEG数据的截断 | 第32-33页 |
| ·特征提取和分类算法的流程 | 第33-39页 |
| ·数据预处理 | 第34页 |
| ·特征提取过程 | 第34-39页 |
| ·实验结果与分析 | 第39-45页 |
| ·协方差矩阵的联合对角化结果 | 第39-41页 |
| ·两分类结果及分析 | 第41-42页 |
| ·三分类结果及分析 | 第42-44页 |
| ·四分类结果及分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 基于FastICA的实验范式和结果 | 第46-61页 |
| ·基于FastICA的分类算法流程图 | 第46-51页 |
| ·实验数据 | 第47页 |
| ·FastICA | 第47-50页 |
| ·定义特征向量 | 第50-51页 |
| ·分类结果与分析 | 第51-56页 |
| ·FastICA算法同其他算法的比较 | 第56-59页 |
| ·本章小结 | 第59-61页 |
| 第5章 总结与展望 | 第61-63页 |
| ·论文工作总结 | 第61-62页 |
| ·未来工作展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-66页 |
