基于P300的测谎算法研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 测谎技术概述 | 第11-14页 |
| 1.2.1 测谎技术原理 | 第11-12页 |
| 1.2.2 测谎技术的研究现状 | 第12-14页 |
| 1.3 本论文的主要内容及其章节安排 | 第14-16页 |
| 第2章 脑电信号及事件相关电位基础 | 第16-22页 |
| 2.1 脑电信号的产生 | 第16-18页 |
| 2.2 事件相关电位原理 | 第18-20页 |
| 2.3 P300测谎的可行性分析 | 第20-21页 |
| 2.3.1 P300电位概述 | 第20页 |
| 2.3.2 已有的P300测谎研究 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 基于P300的测谎实验设计 | 第22-34页 |
| 3.1 实验准备 | 第22-26页 |
| 3.1.1 经典ERP实验范式及测试方法 | 第22-23页 |
| 3.1.2 被试 | 第23-24页 |
| 3.1.3 实验程序 | 第24-26页 |
| 3.2 基于模拟犯罪信息的实验方案设计 | 第26-30页 |
| 3.2.1 研究假设 | 第26-27页 |
| 3.2.2 实验程序 | 第27-29页 |
| 3.2.3 数据主观分析 | 第29-30页 |
| 3.3 基于自传信息的实验方案设计 | 第30-33页 |
| 3.3.1 研究假设 | 第30-33页 |
| 3.3.2 实验程序 | 第33页 |
| 3.3.3 数据主观分析 | 第33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 K-SVM算法在测谎研究中的应用 | 第34-44页 |
| 4.1 SVM基本原理 | 第34-36页 |
| 4.2 K近邻算法 | 第36-37页 |
| 4.3 K-SVM算法描述 | 第37页 |
| 4.4 K-SVM算法测谎研究中的应用 | 第37-41页 |
| 4.4.1 自传信息测试 | 第38-40页 |
| 4.4.2 模拟犯罪测试 | 第40-41页 |
| 4.5 数据特征分析 | 第41-43页 |
| 4.5.1 样本数据统计学分析 | 第41-42页 |
| 4.5.2 构造特征向量 | 第42-43页 |
| 4.5.3 K-SVM算法分类识别率 | 第43页 |
| 4.6 本章小结 | 第43-44页 |
| 第5章 CS-SVM算法在测谎研究中的应用 | 第44-52页 |
| 5.1 布谷鸟搜索算法 | 第44-46页 |
| 5.1.1 布谷鸟的繁育行为 | 第44-45页 |
| 5.1.2 布谷鸟搜索算法步骤 | 第45-46页 |
| 5.2 CS-SVM算法描述 | 第46-48页 |
| 5.3 数据主观分析 | 第48-49页 |
| 5.4 CS-SVM算法在测谎研究中的应用 | 第49-51页 |
| 5.4.1 CS-SVM算法的参数选择 | 第49-50页 |
| 5.4.2 CS-SVM算法用于测谎分类 | 第50-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第6章 结论与展望 | 第52-54页 |
| 6.1 总结 | 第52-53页 |
| 6.2 研究展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录1 | 第58-59页 |
| 附录2 | 第59-60页 |
| 附录3 | 第60-61页 |
| 附录4 | 第61-62页 |
| 附录5 | 第62-63页 |
| 附录6 | 第63-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间的科研成果 | 第65页 |
