基于SVM-HMM混合模型的癫痫信号的特征提取与识别
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景与意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 论文要完成的工作 | 第10-11页 |
| 1.4 本章小结 | 第11-12页 |
| 2 癫痫检测相关理论 | 第12-19页 |
| 2.1 癫痫脑电信号分类理论 | 第12-14页 |
| 2.2 脑电信号与癫痫病发特点 | 第14-15页 |
| 2.2.1 脑电信号特点 | 第14页 |
| 2.2.2 癫痫病发的临床特点 | 第14-15页 |
| 2.3 基于临床特征的癫痫检测 | 第15-18页 |
| 2.3.1 癫痫病发临床经验对分类算法的必要性 | 第15-16页 |
| 2.3.2 算法构架 | 第16-18页 |
| 2.4 本章小结 | 第18-19页 |
| 3 基于连续小波变换的癫痫病发特征提取 | 第19-36页 |
| 3.1 常见癫痫病发特征提取方法 | 第19-20页 |
| 3.2 连续小波变换 | 第20-24页 |
| 3.2.1 小波的定义 | 第20页 |
| 3.2.2 基于连续小波变换的癫痫特征提取 | 第20-24页 |
| 3.3 数值实验分析 | 第24-35页 |
| 3.3.1 实验数据说明 | 第24-26页 |
| 3.3.2 实验结果与分析 | 第26-35页 |
| 3.4 本章小结 | 第35-36页 |
| 4 癫痫病发特征向量分类编码 | 第36-46页 |
| 4.1 癫痫病发特征的特征分类 | 第36-37页 |
| 4.2 支持向量机的癫痫特征分类编码 | 第37-40页 |
| 4.2.1 支持向量机理论 | 第37-39页 |
| 4.2.2 二进制编码 | 第39-40页 |
| 4.3 数值实验分析 | 第40-45页 |
| 4.3.1 参数寻优 | 第41-43页 |
| 4.3.2 支持向量机训练 | 第43页 |
| 4.3.3 特征编码 | 第43-45页 |
| 4.4 本章小结 | 第45-46页 |
| 5 基于隐马尔科夫链的癫痫病发特征分类 | 第46-57页 |
| 5.1 基于隐马尔科夫链的癫痫病发信号分类 | 第46-51页 |
| 5.2 数值实验分析 | 第51-56页 |
| 5.2.1 临床经验的量化分析 | 第51-54页 |
| 5.2.2 分类正确率分析 | 第54-56页 |
| 5.3 本章小结 | 第56-57页 |
| 6 总结与展望 | 第57-59页 |
| 6.1 本文总结 | 第57-58页 |
| 6.2 下一步工作展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录 | 第64页 |
| A. 作者在攻读硕士学位期间发表论文与专利 | 第64页 |
| B. 作者在攻读硕士学位期间参与的科研项目 | 第64页 |
