脑电非线性时间序列仿真研究
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-13页 |
| 插图 | 第13-15页 |
| 表格 | 第15-16页 |
| 第1章 绪论 | 第16-26页 |
| ·引言 | 第16页 |
| ·研究背景与发展现状 | 第16-22页 |
| ·脑电在脑科学研究中的意义 | 第16-19页 |
| ·脑电分析的常规方法 | 第19-21页 |
| ·仿真技术在脑电研究中的意义 | 第21-22页 |
| ·研究内容简介 | 第22-24页 |
| ·研究目标 | 第22页 |
| ·研究思路 | 第22-23页 |
| ·本文组织结构 | 第23-24页 |
| 参考文献 | 第24-26页 |
| 第2章 定性推理与定性仿真 | 第26-36页 |
| ·引言 | 第26页 |
| ·定性推理概述 | 第26-29页 |
| ·定性推理解决的问题 | 第26-27页 |
| ·定性推理的优势 | 第27页 |
| ·各类定性推理方法介绍 | 第27-29页 |
| ·定性推理的应用 | 第29页 |
| ·QSIM定性仿真算法介绍 | 第29-33页 |
| ·QSIM算法中的基本概念 | 第29-30页 |
| ·QSIM算法中的约束 | 第30-31页 |
| ·定性微分方程 | 第31页 |
| ·定性状态转移 | 第31-32页 |
| ·定性仿真结果输出 | 第32-33页 |
| ·QSIM仿真过程 | 第33页 |
| ·分段定性仿真 | 第33-34页 |
| ·判断约束和赋值约束 | 第33-34页 |
| ·PQSIM约束过滤 | 第34页 |
| ·本章小结 | 第34页 |
| 参考文献 | 第34-36页 |
| 第3章 基于定性仿真的脑电模糊推理 | 第36-56页 |
| ·引言 | 第36-37页 |
| ·模糊系统概述 | 第37-40页 |
| ·模糊集 | 第37-38页 |
| ·模糊推理系统 | 第38-40页 |
| ·基于QSIM/PQSIM的模糊推理系统构建 | 第40-45页 |
| ·建立QSIM模型 | 第41-42页 |
| ·QSIM定性仿真演化 | 第42页 |
| ·建立模糊规则 | 第42-44页 |
| ·模糊系统优化 | 第44-45页 |
| ·基于定性仿真的癫痫脑电模糊分析 | 第45-52页 |
| ·癫痫病症的PQSIM模型 | 第45-47页 |
| ·癫痫定性模型的定性仿真结果 | 第47-48页 |
| ·癫痫脑电模糊规则的构建 | 第48-52页 |
| ·癫痫脑电模糊系统优化 | 第52页 |
| ·实际癫痫脑电的发作识别 | 第52页 |
| ·本章小结 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 第4章 脑电时间序列非线性动力学分析 | 第56-84页 |
| ·引言 | 第56-57页 |
| ·重构系统相空间 | 第57-60页 |
| ·嵌入理论 | 第57-58页 |
| ·延迟坐标嵌入相空间重构 | 第58-60页 |
| ·延迟时间选取 | 第60-65页 |
| ·相关积分和相关维 | 第60-61页 |
| ·C-C方法选择延迟时间 | 第61-62页 |
| ·对C-C算法的讨论和改进 | 第62-63页 |
| ·C-C算法的实验结果 | 第63-65页 |
| ·嵌入维选取 | 第65-68页 |
| ·伪最近邻方法(FNN) | 第65-67页 |
| ·Cao算法的改进和讨论 | 第67页 |
| ·Cao算法的实验结果 | 第67-68页 |
| ·时间序列的非线性特征不变量 | 第68-73页 |
| ·相关维 | 第69页 |
| ·最大Lyapunov指数 | 第69-70页 |
| ·Hurst指数 | 第70-71页 |
| ·近似熵 | 第71-72页 |
| ·奇异值分解熵 | 第72页 |
| ·排列熵 | 第72-73页 |
| ·替代数据分析 | 第73页 |
| ·睡眠脑电的非线性分析 | 第73-78页 |
| ·实验数据来源 | 第74页 |
| ·睡眠脑电非线性分析结果 | 第74-77页 |
| ·睡眠脑电分析结果的定性分析 | 第77-78页 |
| ·非线性特征量比较分析 | 第78-82页 |
| ·实验数据来源 | 第78-79页 |
| ·醉酒脑电和正常脑电非线性分析的实验结果 | 第79-81页 |
| ·非线性特征量的比较和讨论 | 第81-82页 |
| ·本章小结 | 第82页 |
| 参考文献 | 第82-84页 |
| 第5章 脑电时间序列建模与仿真 | 第84-116页 |
| ·引言 | 第84-85页 |
| ·系统相空间动力学 | 第85-90页 |
| ·系统动力学的基本概念 | 第85-86页 |
| ·系统相空间 | 第86-87页 |
| ·非线性系统吸引子结构 | 第87-89页 |
| ·重构相空间中的系统吸引子 | 第89-90页 |
| ·系统重构相空间中的定性建模和分析 | 第90-95页 |
| ·相空间中定性分析的基本概念 | 第90-92页 |
| ·相空间轨迹的定性化分析 | 第92-95页 |
| ·相空间定性状态提取 | 第95-99页 |
| ·K均值聚类 | 第96页 |
| ·模糊C均值聚类 | 第96-97页 |
| ·定性状态提取算法 | 第97-99页 |
| ·相空间中定性状态的投影表示 | 第99-101页 |
| ·等距映射方法 | 第100页 |
| ·局部线性嵌入方法 | 第100-101页 |
| ·相空间定性行为表示 | 第101-104页 |
| ·符号序列表示法 | 第102页 |
| ·时序定性状态图 | 第102-103页 |
| ·定性状态转移图 | 第103-104页 |
| ·定性行为表示方法的比较 | 第104页 |
| ·时间序列的定性行为仿真 | 第104-108页 |
| ·仿真结果 | 第105-107页 |
| ·分析讨论 | 第107-108页 |
| ·癫痫脑电时间序列的定性行为 | 第108-112页 |
| ·数据来源 | 第109页 |
| ·仿真结果 | 第109-111页 |
| ·分析讨论 | 第111-112页 |
| ·本章小结 | 第112页 |
| 参考文献 | 第112-116页 |
| 第6章 脑电时间序列集成分析方法 | 第116-140页 |
| ·引言 | 第116-117页 |
| ·基于学习的非线性模型和算法 | 第117-124页 |
| ·人工神经网络 | 第117-120页 |
| ·支持向量机 | 第120-122页 |
| ·遗传算法 | 第122-124页 |
| ·基于GA-MLPNN的脑电分类 | 第124-129页 |
| ·问题描述 | 第124-125页 |
| ·脑电数据获取 | 第125页 |
| ·特征提取 | 第125-126页 |
| ·集成的GA和MLPNN方法 | 第126-127页 |
| ·GA-MLPNN的分类结果 | 第127-129页 |
| ·基于GA-SVM的癫痫脑电识别 | 第129-136页 |
| ·问题描述 | 第129-130页 |
| ·癫痫脑电数据描述 | 第130页 |
| ·癫痫脑电的定性行为描述 | 第130页 |
| ·通道选择 | 第130页 |
| ·SVM参数优化 | 第130-131页 |
| ·GA操作设定 | 第131-133页 |
| ·GA-SVM结构流图 | 第133-134页 |
| ·GA-SVM分类算法 | 第134页 |
| ·癫痫发作的识别结果 | 第134-136页 |
| ·两种分类方法的比较 | 第136-137页 |
| ·基于GA-MLPNN的癫痫脑电识别结果 | 第136页 |
| ·GA-MLPNN和GA-SVM的比较 | 第136-137页 |
| ·本章小结 | 第137页 |
| 参考文献 | 第137-140页 |
| 第7章 结论与展望 | 第140-144页 |
| ·工作总结 | 第140-141页 |
| ·研究展望 | 第141-142页 |
| 参考文献 | 第142-144页 |
| 附录 | 第144-152页 |
| 附录A 缩略语 | 第144-145页 |
| 附录B 德国波恩癫痫研究室的癫痫数据库 | 第145-147页 |
| 附录C MIT-BIH睡眠脑电EDF数据库 | 第147-148页 |
| 附录D UCI KDD脑电数据库 | 第148页 |
| 附录E 第三届BCI竞赛脑电数据集 | 第148-149页 |
| 附录F 医院采集的癫痫脑电 | 第149-150页 |
| 附录G 计算机实验平台配置 | 第150-152页 |
| 参与工作和完成论文 | 第152-154页 |
| A 参与项目 | 第152页 |
| B 已发表文章 | 第152-153页 |
| C 已投稿件 | 第153-154页 |
| 致谢 | 第154页 |
