| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第11-17页 |
| 1.1 癫痫信号检测的研究背景和意义 | 第11-13页 |
| 1.2 癫痫信号检测的研究现状 | 第13-15页 |
| 1.3 论文的主要工作及结构安排 | 第15-17页 |
| 2 癫痫脑电信号简介 | 第17-26页 |
| 2.1 脑电信号及其特征简介 | 第17-19页 |
| 2.2 脑电信号的采集及应用 | 第19-21页 |
| 2.3 导联的方式 | 第21-23页 |
| 2.4 癫痫脑电信号特征 | 第23-24页 |
| 2.5 实验数据来源 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 3 癫痫脑电信号特征提取研究 | 第26-40页 |
| 3.1 基于多分辨率分析的癫痫脑电特征提取方法 | 第26-33页 |
| 3.1.1 连续小波变换 | 第27页 |
| 3.1.2 离散小波变换 | 第27-28页 |
| 3.1.3 多分辨率分析 | 第28-29页 |
| 3.1.4 EEG 信号的多分辨率分析 | 第29-33页 |
| 3.2 基于非线性动力学的癫痫脑电特征提取方法 | 第33-39页 |
| 3.3 本章小结 | 第39-40页 |
| 4 分类算法研究 | 第40-45页 |
| 4.1 单层前馈神经网络（SLFN）模型 | 第40-42页 |
| 4.1.1 基于梯度下降的学习算法 | 第41-42页 |
| 4.2 极限学习机 | 第42-44页 |
| 4.2.1 Moore-Penrose 广义逆 | 第43页 |
| 4.2.2 极限学习机算法的原理 | 第43-44页 |
| 4.3 本章小结 | 第44-45页 |
| 5 基于样本熵和 ELM 的癫痫脑电检测 | 第45-53页 |
| 5.1 实验数据来源 | 第45-46页 |
| 5.2 算法步骤 | 第46-52页 |
| 5.3 本章小结 | 第52-53页 |
| 6 基于消除趋势波动分析和 ELM 的癫痫脑电检测 | 第53-63页 |
| 6.1 消除趋势波动分析法 | 第53-57页 |
| 6.2 脑电信号波动指数 | 第57-61页 |
| 6.3 算法步骤 | 第61-62页 |
| 6.4 本章小结 | 第62-63页 |
| 7 总结与展望 | 第63-65页 |
| 7.1 研究展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第69-70页 |
| 致谢 | 第70页 |