基于64导脑电信号的后悔情感识别
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文研究内容 | 第13页 |
| 1.4 论文结构 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 后悔情绪的理论基础及脑电信号的分析基础 | 第15-20页 |
| 2.1 反事实思维 | 第15-16页 |
| 2.1.1 反事实思维概念 | 第15页 |
| 2.1.2 基于反事实思维的后悔研究 | 第15-16页 |
| 2.2 脑电信号分析基础 | 第16-19页 |
| 2.2.1 脑电的生理学基础 | 第16-17页 |
| 2.2.2 脑电信号的分析方法 | 第17-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 实验设计及数据预处理 | 第20-28页 |
| 3.1 实验环境 | 第20-21页 |
| 3.2 实验设计流程 | 第21-23页 |
| 3.2.1 实验被试 | 第21页 |
| 3.2.2 实验程序 | 第21-23页 |
| 3.3 数据预处理 | 第23-27页 |
| 3.3.1 预处理工具 | 第23-24页 |
| 3.3.2 实验数据 | 第24页 |
| 3.3.3 基于ICA的后悔脑电信号预处理 | 第24-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 后悔脑电信号的特征提取与分析 | 第28-39页 |
| 4.1 时频分析 | 第28-30页 |
| 4.1.1 ERSP分析结果 | 第29-30页 |
| 4.2 功率谱估计 | 第30-33页 |
| 4.2.1 AR模型功率谱估计 | 第30-32页 |
| 4.2.2 功率谱分析结果 | 第32-33页 |
| 4.3 能量特征 | 第33-36页 |
| 4.3.1 小波变换 | 第33-35页 |
| 4.3.2 频带能量特征提取 | 第35-36页 |
| 4.4 近似熵 | 第36-38页 |
| 4.4.1 近视熵的基本原理 | 第36-37页 |
| 4.4.2 熵的算法过程 | 第37页 |
| 4.4.3 近似熵特征提取 | 第37-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第五章 后悔情绪脑电信号分类识别及结果分析 | 第39-48页 |
| 5.1 基于FISHER的分类识别 | 第39-43页 |
| 5.1.1 Fisher算法分类步骤 | 第39-40页 |
| 5.1.2 基于功率谱估计的后悔二分类结果 | 第40-41页 |
| 5.1.3 基于能量特征的后悔二分类结果 | 第41-42页 |
| 5.1.4 基于近似熵的后悔二分类结果 | 第42-43页 |
| 5.2 基于支持向量机（SVM）的分类识别 | 第43-47页 |
| 5.2.1 SVM基本原理 | 第43-45页 |
| 5.2.2 核函数的选择 | 第45-46页 |
| 5.2.3 分类结果与分析 | 第46-47页 |
| 5.3 本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-50页 |
| 6.1 全文总结 | 第48-49页 |
| 6.2 展望 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 致谢 | 第55-56页 |
| 攻读硕士期间发表的学术论文 | 第56-57页 |
| 攻读硕士期间参与的项目 | 第57页 |
