| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本课题主要研究内容及论文结构安排 | 第13-16页 |
| 1.3.1 本课题主要研究内容 | 第13-14页 |
| 1.3.2 论文章节安排与介绍 | 第14-16页 |
| 第二章 癫痫脑电信号特征及分析方法概述 | 第16-25页 |
| 2.1 脑电信号简介 | 第16-18页 |
| 2.1.1 脑电信号产生机理及特点 | 第16页 |
| 2.1.2 脑电信号的采集 | 第16-17页 |
| 2.1.3 脑电信号的基本节律 | 第17-18页 |
| 2.2 癫痫脑电信号特点及自动分类检测 | 第18-19页 |
| 2.2.1 癫痫脑电信号特点 | 第18-19页 |
| 2.2.2 癫痫脑电自动分类检测步骤 | 第19页 |
| 2.3 癫痫脑电信号的分析方法 | 第19-21页 |
| 2.3.1 时域分析法 | 第19-20页 |
| 2.3.2 频域分析法 | 第20页 |
| 2.3.3 时频分析法 | 第20-21页 |
| 2.3.4 非线性分析法 | 第21页 |
| 2.4 小波包变换基本原理及特性 | 第21-24页 |
| 2.4.1 小波包变换基本原理 | 第21-23页 |
| 2.4.2 小波包变换频率特性及存在的不足 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于改进小波包变换的脑电多特征提取方法研究 | 第25-33页 |
| 3.1 改进小波包变换算法基本原理 | 第25-27页 |
| 3.2 基于改进小波包变换的脑电特征提取 | 第27-31页 |
| 3.2.1 脑电信号基本节律提取 | 第27-28页 |
| 3.2.2 快慢波能量比特征提取 | 第28-29页 |
| 3.2.3 样本熵特征提取 | 第29-30页 |
| 3.2.4 特征提取算法步骤 | 第30页 |
| 3.2.5 特征评价标准 | 第30-31页 |
| 3.3 本章小结 | 第31-33页 |
| 第四章 分类算法优化与测试 | 第33-46页 |
| 4.1 常见分类模型介绍 | 第33-39页 |
| 4.1.1 概率神经网络 | 第33-34页 |
| 4.1.2 K近邻分类算法 | 第34-35页 |
| 4.1.3 支持向量机 | 第35-39页 |
| 4.2 分类器实验评估方法及模型性能指标 | 第39-42页 |
| 4.2.1 分类器实验评估方法 | 第39-40页 |
| 4.2.2 分类模型性能指标 | 第40-42页 |
| 4.3 支持向量机的优化设计 | 第42-43页 |
| 4.4 改进SVM分类器实验验证 | 第43-45页 |
| 4.4.1 参数选择实验验证 | 第43-44页 |
| 4.4.2 改进SVM多分类实验验证 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 癫痫脑电信号自动分类检测实验过程与结果分析 | 第46-58页 |
| 5.1 实验数据来源 | 第46-48页 |
| 5.2 特征提取结果分析 | 第48-51页 |
| 5.2.1 小波包分解重构结果分析 | 第48-50页 |
| 5.2.2 特征提取结果分析 | 第50-51页 |
| 5.3 基于SVM分类器的癫痫脑电信号分类结果 | 第51-57页 |
| 5.3.1 分类器参数优化结果 | 第51-52页 |
| 5.3.2 分类器分类结果 | 第52-56页 |
| 5.3.3 与近年国内外研究成果对比 | 第56-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 本文工作总结 | 第58-59页 |
| 6.2 研究工作展望 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间已发表、录用论文及参与科研项目情况 | 第67页 |
