结合卷积神经网络和随机森林的癫痫自动检测
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 缩略语简表 | 第12-13页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 研究意义 | 第13-14页 |
| 1.2 癫痫脑电信号概述 | 第14-17页 |
| 1.2.1 脑电图简介 | 第14-16页 |
| 1.2.2 癫痫脑电信号 | 第16-17页 |
| 1.3 癫痫自动检测技术的研究现状 | 第17-19页 |
| 1.4 本文主要内容及结构安排 | 第19-20页 |
| 第2章 决策树与随机森林 | 第20-26页 |
| 2.1 机器学习方法概述 | 第20-21页 |
| 2.2 决策树 | 第21-24页 |
| 2.3 集成学习与随机森林 | 第24-26页 |
| 第3章 卷积神经网络与迁移学习 | 第26-38页 |
| 3.1 人工神经网络概述 | 第26-33页 |
| 3.1.1 神经元模型 | 第26-29页 |
| 3.1.2 人工神经网络的常见结构 | 第29-31页 |
| 3.1.3 神经网络的学习算法 | 第31-33页 |
| 3.2 卷积神经网络 | 第33-36页 |
| 3.3 迁移学习 | 第36-38页 |
| 第4章 本文实验方法与结果 | 第38-50页 |
| 4.1 实验数据 | 第38-39页 |
| 4.2 实验方法 | 第39-45页 |
| 4.2.1 训练流程 | 第39-44页 |
| 4.2.2 测试流程 | 第44-45页 |
| 4.3 实验结果 | 第45-47页 |
| 4.4 分析与讨论 | 第47-50页 |
| 第5章 总结与展望 | 第50-51页 |
| 参考文献 | 第51-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士研究生期间研究成果 | 第58-59页 |
| 学位论文评闽及答辩情况表 | 第59页 |
