脑认知状态fMRI数据的分析及分类方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-11页 |
| ·选题背景 | 第8页 |
| ·研究现状 | 第8-9页 |
| ·脑数据挖掘的发展 | 第8-9页 |
| ·相关fMRI数据分析 | 第9页 |
| ·论文的主要工作 | 第9-10页 |
| ·论文的结构安排 | 第10-11页 |
| 2 脑功能磁共振成像 | 第11-20页 |
| ·脑的结构与功能简介 | 第11-13页 |
| ·脑功能磁共振成像技术概述 | 第13-16页 |
| ·核磁共振原理 | 第13-14页 |
| ·功能磁共振成像原理 | 第14页 |
| ·功能磁共振成像数据特点 | 第14-15页 |
| ·功能磁共振成像实验设计 | 第15-16页 |
| ·SPM软件包的数据处理 | 第16-19页 |
| ·数据预处理 | 第16-17页 |
| ·统计模型的建立及估计 | 第17-18页 |
| ·基于T检验的基本原理 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 3 PCA和粗糙集联合特征抽取方法研究 | 第20-35页 |
| ·基于主成分分析的特征抽取 | 第20-25页 |
| ·主成分分析 | 第20-22页 |
| ·主成分分析降维实例 | 第22-25页 |
| ·粒子群优化的粗糙集约简 | 第25-33页 |
| ·基于基础粗糙集的知识表示 | 第25-26页 |
| ·决策表属性约简 | 第26-28页 |
| ·粒子群优化算法 | 第28-29页 |
| ·基于粒子群优化的约简算法 | 第29-31页 |
| ·试验及结果 | 第31-33页 |
| ·PCA和粗糙集联合的数据特征抽取 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 4 基于免疫QPSO的认知状态分类方法的研究 | 第35-42页 |
| ·脑认知状态分类 | 第35-36页 |
| ·分类规则的改进及适应度函数的设计 | 第36-39页 |
| ·量子粒子群算法基本思想 | 第37-38页 |
| ·一种改进的分类规则编码 | 第38页 |
| ·适应度函数设计 | 第38-39页 |
| ·一种基于免疫机制的粒子进化方法 | 第39-41页 |
| ·选择操作 | 第39-40页 |
| ·突变操作 | 第40页 |
| ·算法步骤 | 第40页 |
| ·实验结果 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 5 脑认知fMRI数据的分析及分类实验 | 第42-53页 |
| ·实验数据 | 第42-43页 |
| ·数据预处理 | 第43-46页 |
| ·准 | 第43-44页 |
| ·标准化 | 第44-45页 |
| ·正交化 | 第45页 |
| ·初步降维 | 第45-46页 |
| ·PCA和粗糙集联合的fMRI数据特征抽取 | 第46-50页 |
| ·主成分分析结果 | 第46-50页 |
| ·粗糙集约简结果 | 第50页 |
| ·fMRI数据分类实验 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 攻读硕士学位期间发表学术论文情况 | 第56-57页 |
| 致谢 | 第57-58页 |
