| 摘要 | 第1-6页 |
| Abstract | 第6-17页 |
| 主要符号对照表 | 第17-18页 |
| 主要缩写名称对照表 | 第18-20页 |
| 第1章 引言 | 第20-46页 |
| ·脑电信号分析—脑区层面的神经信息学 | 第20-24页 |
| ·神经信息学 | 第20-22页 |
| ·神经功能活动的记录工具 | 第22-23页 |
| ·头皮脑电信号 | 第23-24页 |
| ·脑电的背景知识介绍 | 第24-30页 |
| ·脑电的历史 | 第24-25页 |
| ·脑电的产生 | 第25-26页 |
| ·脑电节律信号 | 第26-28页 |
| ·事件相关电位 | 第28-30页 |
| ·脑电节律信号和事件相关电位的比较 | 第30页 |
| ·脑电信号时空建模的意义 | 第30-31页 |
| ·脑电信号时空建模方法的研究现状 | 第31-39页 |
| ·因子分析 | 第31-32页 |
| ·主成分分析 | 第32-33页 |
| ·独立成分分析 | 第33-35页 |
| ·时域去相关算法 | 第35页 |
| ·共空域模式算法 | 第35-36页 |
| ·典型相关分析 | 第36-38页 |
| ·平行因子分析 | 第38页 |
| ·平行因子分析 2 | 第38-39页 |
| ·已有方法的特点和存在的问题 | 第39-42页 |
| ·已有方法的特点 | 第39-41页 |
| ·已有方法存在的问题 | 第41-42页 |
| ·论文提出的脑电时空建模框架 | 第42-44页 |
| ·论文各部分的主要内容 | 第44-46页 |
| 第2章 相关数学概念和方法介绍 | 第46-58页 |
| ·本章引论 | 第46页 |
| ·统计建模的概念及基本学派 | 第46-50页 |
| ·统计建模—科学研究的有力工具 | 第46-48页 |
| ·统计的两大学派 | 第48-50页 |
| ·统计模型的种类 | 第50-53页 |
| ·机制模型和经验模型 | 第50页 |
| ·生成式模型和判别式模型 | 第50-51页 |
| ·分层模型 | 第51-53页 |
| ·模型参数估计算法 | 第53-55页 |
| ·期望-最大化算法 | 第53-54页 |
| ·变分贝叶斯算法 | 第54-55页 |
| ·模型阶数选择方法 | 第55-57页 |
| ·AIC 和 BIC 准则 | 第55-56页 |
| ·交叉验证 | 第56页 |
| ·结构风险最小化原则 | 第56-57页 |
| ·自动相关性判决 | 第57页 |
| ·本章小结 | 第57-58页 |
| 第3章 脑电节律信号的时空建模方法研究 | 第58-83页 |
| ·本章引论 | 第58-59页 |
| ·模型表述 | 第59-63页 |
| ·模型第一层-多种实验条件结构建模 | 第60页 |
| ·模型第二层-不同 trial 间的幅度变动性建模 | 第60-61页 |
| ·成分个数的稀疏贝叶斯学习 | 第61-62页 |
| ·备注 | 第62-63页 |
| ·模型参数估计算法 | 第63-67页 |
| ·变分贝叶斯算法 | 第63-64页 |
| ·模型超参数的学习 | 第64页 |
| ·算法初始化 | 第64页 |
| ·算法流程 | 第64-66页 |
| ·备注 | 第66-67页 |
| ·实验结果 | 第67-80页 |
| ·仿真实验描述 | 第67-69页 |
| ·仿真实验数据分析结果 | 第69-72页 |
| ·真实脑电实验描述 | 第72-75页 |
| ·真实脑电数据分析结果 | 第75-80页 |
| ·讨论 | 第80-82页 |
| ·过拟合问题 | 第80页 |
| ·变分贝叶斯算法的性能 | 第80-81页 |
| ·同类工作 | 第81-82页 |
| ·本章小结 | 第82-83页 |
| 第4章 事件相关电位的时空建模方法研究 | 第83-106页 |
| ·本章引论 | 第83-85页 |
| ·模型表述 | 第85-88页 |
| ·ERP 成分活动建模 | 第86-87页 |
| ·背景活动建模 | 第87-88页 |
| ·备注 | 第88页 |
| ·模型参数估计算法 | 第88-91页 |
| ·JoMEO 算法 | 第88-90页 |
| ·算法初始化及收敛 | 第90页 |
| ·算法流程 | 第90页 |
| ·备注 | 第90-91页 |
| ·实验结果 | 第91-103页 |
| ·仿真实验描述 | 第91-93页 |
| ·仿真实验结果 | 第93-96页 |
| ·真实脑电实验描述 | 第96-98页 |
| ·真实脑电数据分析结果 | 第98-103页 |
| ·讨论 | 第103-105页 |
| ·本章小结 | 第105-106页 |
| 第5章 脑‐机接口中的脑电信号时空建模方法研究 | 第106-139页 |
| ·本章引论 | 第106-107页 |
| ·脑-机接口背景知识 | 第107-111页 |
| ·多类共空域模式算法 | 第111-119页 |
| ·算法推导 | 第111-113页 |
| ·算法流程 | 第113页 |
| ·备注 | 第113-114页 |
| ·实验结果 | 第114-119页 |
| ·鲁棒共空域模式算法 | 第119-128页 |
| ·相关背景 | 第119-121页 |
| ·算法推导 | 第121-123页 |
| ·算法流程 | 第123-124页 |
| ·备注 | 第124页 |
| ·实验结果 | 第124-128页 |
| ·事件相关电位空域滤波算法 | 第128-137页 |
| ·模型表述及参数估计算法 | 第128-129页 |
| ·算法流程 | 第129-130页 |
| ·备注 | 第130页 |
| ·实验结果 | 第130-137页 |
| ·关于本章各算法运算速度的讨论 | 第137-138页 |
| ·本章小结 | 第138-139页 |
| 第6章 想象运动脑电信号的频域滤波器学习方法研究 | 第139-156页 |
| ·本章引言 | 第139-141页 |
| ·问题定义 | 第141-143页 |
| ·迭代空域频域学习算法 | 第143-148页 |
| ·空域滤波器学习 | 第143页 |
| ·频域滤波器和分类器联合学习 | 第143-146页 |
| ·算法初始化及收敛 | 第146页 |
| ·算法流程 | 第146页 |
| ·使用 ISSPL 算法分类 | 第146-147页 |
| ·备注 | 第147-148页 |
| ·实验结果 | 第148-154页 |
| ·数据集 1 描述 | 第149-150页 |
| ·数据集 1 分析结果 | 第150-152页 |
| ·数据集 2 描述 | 第152-153页 |
| ·数据集 2 分析结果 | 第153-154页 |
| ·讨论 | 第154页 |
| ·本章小结 | 第154-156页 |
| 第7章 总结与展望 | 第156-163页 |
| ·论文的主要工作成果 | 第157-159页 |
| ·论文的创新点 | 第159-161页 |
| ·脑电时空建模方法研究展望 | 第161-163页 |
| 参考文献 | 第163-189页 |
| 致谢 | 第189-191页 |
| 附录 A 张量代数的基本概念 | 第191-193页 |
| 附录 B 由生成式模型（1-7）导出 CSP 算法 | 第193-194页 |
| 附录 C 模型（3-1）VB 算法的推导 | 第194-196页 |
| 附录 D 模型（3-1）变分下界 L 的推导 | 第196-197页 |
| 附录 E 第 4 章 JOMEO 算法的推导 | 第197-199页 |
| 附录 F 优化问题（5-12）的对偶问题 | 第199-201页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第201-205页 |
| 个人简历 | 第201-202页 |
| 发表的学术论文 | 第202-205页 |
| 研究成果 | 第205页 |