| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 课题背景与意义 | 第12页 |
| 1.2 基于脑电信号的目标图像识别 | 第12-14页 |
| 1.2.1 脑-机接口技术 | 第12-13页 |
| 1.2.2 快速序列图像呈现范式 | 第13页 |
| 1.2.3 基于P300成分的目标图像检索 | 第13-14页 |
| 1.3 基于脑电的图像检索系统 | 第14-18页 |
| 1.3.1 闭环皮层耦合计算机视觉系统 | 第15-16页 |
| 1.3.2 认知技术威胁警报系统 | 第16-18页 |
| 1.4 课题研究内容与论文结构与安排 | 第18-20页 |
| 第二章 基于前向折叠结构化判决分析的P300检测算法 | 第20-35页 |
| 2.1 单试次P300检测算法概述 | 第20-22页 |
| 2.1.1 基于空间滤波的P300检测 | 第21页 |
| 2.1.2 基于空-时间滤波P300检测 | 第21-22页 |
| 2.1.3 单试次P300检测性能评价 | 第22页 |
| 2.2 基于结构化判决分析的单试次P300检测算法 | 第22-26页 |
| 2.2.1 结构化判决分析 | 第22-23页 |
| 2.2.2 采用滑动窗口策略的结构化判决分析 | 第23-24页 |
| 2.2.3 采用前向折叠策略的结构化判决分析 | 第24-26页 |
| 2.3 实验一：基于标准RSVP范式的图像目标检测 | 第26-28页 |
| 2.3.1 实验被试 | 第26页 |
| 2.3.2 实验范式 | 第26-27页 |
| 2.3.3 数据采集 | 第27-28页 |
| 2.4 实验结果分析 | 第28-34页 |
| 2.4.1 P300潜伏期变化分析 | 第28-30页 |
| 2.4.2 滤波效果 | 第30-31页 |
| 2.4.3 单试次P300检测精度 | 第31-32页 |
| 2.4.4 算法复杂度 | 第32-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 基于图像先验的单试次P300检测方法 | 第35-45页 |
| 3.1 脑与机器视觉融合系统 | 第35-37页 |
| 3.2 基于图像先验的P300检测算法 | 第37-40页 |
| 3.2.1 基于卷积神经网络的图像复杂度定义 | 第37-39页 |
| 3.2.2 基于图像先验的脑机交互图像检测系统 | 第39-40页 |
| 3.3 实验与结果分析 | 第40-44页 |
| 3.3.1 实验流程 | 第40页 |
| 3.3.2 事件相关电位及脑地形图分析 | 第40-43页 |
| 3.3.3 性能评价 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于多重RSVP框架下的目标图像检测 | 第45-56页 |
| 4.1 多重RSVP实验范式 | 第45-46页 |
| 4.2 实验二：双重RSVP实验与三重RSVP实验 | 第46-49页 |
| 4.2.1 实验被试 | 第46-47页 |
| 4.2.2 实验刺激材料 | 第47页 |
| 4.2.3 实验范式 | 第47-48页 |
| 4.2.4 实验数据采集与预处理 | 第48页 |
| 4.2.5 实验数据分析 | 第48-49页 |
| 4.3 结果分析 | 第49-54页 |
| 4.3.1 事件相关响应 | 第49-51页 |
| 4.3.2 目标识别精度 | 第51-54页 |
| 4.4 多重RSVP框架 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-59页 |
| 5.1 总结 | 第56-57页 |
| 5.2 展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 作者简历 | 第64页 |
