| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 符号说明 | 第12-13页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 脑电信号概述 | 第13-14页 |
| 1.2 癫痫脑电信号 | 第14-15页 |
| 1.3 癫痫检测背景概述 | 第15-17页 |
| 1.4 癫痫检测技术现状 | 第17页 |
| 1.5 癫痫检测流程 | 第17-18页 |
| 1.6 本文结构和层次安排 | 第18-20页 |
| 第二章 癫痫脑电的不同特征 | 第20-24页 |
| 2.1 癫痫脑电特征概述 | 第20页 |
| 2.2 波动指数特征 | 第20-21页 |
| 2.3 相对能量特征 | 第21-22页 |
| 2.4 Earth Mover's Distance特征 | 第22-24页 |
| 第三章 癫痫检测和分类方法 | 第24-39页 |
| 3.1 支持向量机(Support Vector Machine,SVM) | 第24-29页 |
| 3.1.1 支持向量机(SVM)概述 | 第24-26页 |
| 3.1.2 支持向量机(SVM)的实现 | 第26-28页 |
| 3.1.3 支持向量机(SVM)的核函数 | 第28-29页 |
| 3.2 线性判别分析法 | 第29-34页 |
| 3.2.1 线性判别分析法(LDA)概述 | 第29-30页 |
| 3.2.2 线性判别分析法(LDA)算法实现 | 第30-32页 |
| 3.2.3 与主成分分析(PCA)的对比 | 第32-34页 |
| 3.3 梯度Boosting算法 | 第34-39页 |
| 3.3.1 Boosting算法概述 | 第34-35页 |
| 3.3.2 Boosting算法原理 | 第35-36页 |
| 3.3.3 Gradient Boosting算法 | 第36-39页 |
| 第四章 本文实验过程及结果 | 第39-51页 |
| 4.1 概述 | 第39-40页 |
| 4.2 实验数据 | 第40-42页 |
| 4.2.1 来源及组成 | 第40-41页 |
| 4.2.2 训练数据与测试数据 | 第41-42页 |
| 4.3 数据预处理 | 第42-45页 |
| 4.3.1 数据重组 | 第42页 |
| 4.3.2 小波变换 | 第42-45页 |
| 4.4 癫痫脑电特征提取 | 第45-47页 |
| 4.5 训练分类器及分类 | 第47-48页 |
| 4.6 分类后处理 | 第48-49页 |
| 4.6.1 平滑技术 | 第48页 |
| 4.6.2 领子技术 | 第48-49页 |
| 4.7 结果分析讨论 | 第49-51页 |
| 第五章 全文总结与展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 附录：本人硕士研究生期间发表论文和参与项目 | 第58-59页 |
| 学位论文评阅及答辩情况表 | 第59页 |
