| 1 绪论 | 第1-16页 |
| ·癫痫脑电信号特征识别与提取的研究背景及应用意义 | 第8页 |
| ·基于脑电信号分析的癫痫特征识别与提取方法及研究进展 | 第8-14页 |
| ·传统方法 | 第9-11页 |
| ·小波变换与神经网络等技术的应用 | 第11-13页 |
| ·多方法综合 | 第13-14页 |
| ·本文的主要工作 | 第14-16页 |
| 2 癫痫脑电信号的基础知识 | 第16-21页 |
| ·脑电信号产生机理和种类 | 第16-18页 |
| ·脑电信号的采集方法及应用 | 第18-19页 |
| ·癫痫脑电信号的特征 | 第19-20页 |
| ·癫痫脑电信号特征识别与提取的临床应用 | 第20-21页 |
| 3 基于脑电信号特征提取的癲痫波综合检测判决方法 | 第21-41页 |
| ·小波变换原理说明 | 第21-29页 |
| ·连续小波变换 | 第21-23页 |
| ·离散小波变换 | 第23-25页 |
| ·多分辨率分析 | 第25-26页 |
| ·癫痫脑电信号分析中母小波的选择 | 第26-29页 |
| ·非线性能量算子原理说明 | 第29-32页 |
| ·非线性能量算子的统计学解释 | 第30-32页 |
| ·癫痫特征波模型及特征提取方法 | 第32-33页 |
| ·神经网络技术原理说明 | 第33-35页 |
| ·多层感知器 | 第33-34页 |
| ·反向传播算法 | 第34-35页 |
| ·系统的实现及数据分析结果 | 第35-39页 |
| ·小结 | 第39-41页 |
| 4 基于支持向量机技术的癫痫脑电特征识别方法 | 第41-56页 |
| ·方法的基本思想 | 第41页 |
| ·支持向量机原理及相关算法 | 第41-52页 |
| ·支持向量机原理 | 第42-50页 |
| ·支持向量机相关算法概述 | 第50-52页 |
| ·数据分析及算法验证 | 第52-55页 |
| ·小结 | 第55-56页 |
| 5 基子癫痫脑电特征识别技术的新型脑电图仪的研究与开发 | 第56-63页 |
| ·新型脑电图仪的特点和应用价值 | 第56-58页 |
| ·基于现代信号处理技术的新型脑电图仪器 | 第58-60页 |
| ·癫痫脑电信号特征识别技术在新型脑电图仪中的应用 | 第60-61页 |
| ·算法筛选 | 第61-63页 |
| 6 总结与展望 | 第63-65页 |
| ·本文工作的总结 | 第63页 |
| ·本文研究工作的思考与展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 攻读硕士学位期间发表学术论文情况 | 第68-69页 |
| 致谢 | 第69-70页 |