| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景 | 第8-9页 |
| ·SVM的发展与现状 | 第9-10页 |
| ·选题的意义 | 第10页 |
| ·论文主要工作 | 第10-12页 |
| 第二章 常用的分类识别方法概述 | 第12-19页 |
| ·分类识别的基本概念 | 第12-13页 |
| ·贝叶斯方法 | 第13-14页 |
| ·神经网络方法 | 第14-16页 |
| ·SVM的优点 | 第16-17页 |
| ·支持向量机与人工神经网络的比较 | 第17-19页 |
| 第三章 支持向量机理论、方法及应用 | 第19-32页 |
| ·支持向量机的基本方法 | 第19-28页 |
| ·VC维 | 第19-20页 |
| ·推广性的界 | 第20-21页 |
| ·结构风险最小化原理 | 第21-22页 |
| ·最优分类平面 | 第22-24页 |
| ·线性情况 | 第24-25页 |
| ·非线性情况 | 第25-28页 |
| ·SVM训练算法 | 第28-30页 |
| ·分解方法 | 第28-29页 |
| ·修改优化问题法 | 第29-30页 |
| ·SVM分类算法 | 第30页 |
| ·多类 SVM算法 | 第30-31页 |
| ·核函数及选择 | 第31-32页 |
| 第四章 支持向量机应用实例与识别方法实现 | 第32-47页 |
| ·数据的获取(脑电信号的获取) | 第32-35页 |
| ·脑电信号的简介 | 第35-40页 |
| ·脑电信号产生机理、种类和特征 | 第35-36页 |
| ·脑电信号的特点 | 第36-37页 |
| ·脑电信号的分析处理方法概述 | 第37-40页 |
| ·总体设计方案 | 第40-42页 |
| ·基于实测脑电信号SVM分类识别方法实现与讨论 | 第42-47页 |
| ·实测信号的特征提取方法 | 第42页 |
| ·单导联实测脑电信号特征的识别实验 | 第42-45页 |
| ·多导联实测脑电信号特征的识别实验 | 第45页 |
| ·识别结果分析与讨论 | 第45-47页 |
| 第五章 基于脑电信号灰色模型的SVM分类识别方法实现 | 第47-54页 |
| ·灰色理论与灰色建模方法概述 | 第47-48页 |
| ·基于灰建模的特征提取方法与实现 | 第48-50页 |
| ·基于灰色模型的单导联识别 | 第50-52页 |
| ·基于灰色模型参数的多维组合分类识别 | 第52-53页 |
| ·识别结果分析与讨论 | 第53-54页 |
| 第六章 结论 | 第54-56页 |
| ·主要研究成果 | 第54页 |
| ·进一步的工作与展望 | 第54-56页 |
| 参考文献 | 第56-58页 |
| 读硕士学位期间所发表的学术论文目录 | 第58-60页 |
| 致谢 | 第60-61页 |