| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景 | 第8-10页 |
| ·睡眠概述 | 第8页 |
| ·睡眠分期的概述 | 第8-10页 |
| ·睡眠分期发展及研究现状 | 第10-11页 |
| ·研究内容及意义 | 第11-12页 |
| ·本文结构 | 第12-14页 |
| 第二章 脑电信号及多导睡眠检测 | 第14-23页 |
| ·脑电信号概述 | 第14-15页 |
| ·大脑的结构与功能 | 第14页 |
| ·脑电信号的机理与特征 | 第14-15页 |
| ·脑电图与信号检测 | 第15-21页 |
| ·脑电图 | 第16页 |
| ·脑电波的组成及睡眠脑电的特征 | 第16-18页 |
| ·脑电图的记录 | 第18-19页 |
| ·脑电信号分析方法 | 第19-21页 |
| ·多导睡眠检测 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 睡眠脑电的特征提取算法研究 | 第23-41页 |
| ·基于小波包系数的睡眠脑电特征提取 | 第23-33页 |
| ·小波变换理论 | 第23-29页 |
| ·数据来源 | 第29页 |
| ·睡眠各期小波包特征 | 第29-33页 |
| ·基于排列熵的特征提取 | 第33-35页 |
| ·排列熵算法 | 第33-34页 |
| ·睡眠各期排列熵特征 | 第34-35页 |
| ·基于Petrosian分形维数的睡眠脑电特征提取 | 第35-39页 |
| ·分形维数算法 | 第35-36页 |
| ·Petrosian分形维数算法 | 第36页 |
| ·睡眠各期Petrosian分形维数的特征 | 第36-39页 |
| ·本章小结 | 第39-41页 |
| 第四章 随机分类森林在自动睡眠分期中的应用 | 第41-51页 |
| ·决策树 | 第41-44页 |
| ·决策树的描述 | 第41-42页 |
| ·决策树的学习算法 | 第42-43页 |
| ·分类回归树 | 第43-44页 |
| ·随机森林 | 第44-47页 |
| ·基本原理及生成过程 | 第45-46页 |
| ·随机森林中的重要参数 | 第46-47页 |
| ·基于随机分类森林的睡眠脑电自动分期 | 第47-50页 |
| ·数据来源及说明 | 第47页 |
| ·仿真流程 | 第47-48页 |
| ·仿真实验和结果分析 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 支持向量机在自动睡眠分期中的应用 | 第51-60页 |
| ·基于网格搜索优化的支持向量机 | 第51-55页 |
| ·支持向量机的基本理论 | 第51-54页 |
| ·基于RBF核函数的SVM参数 | 第54-55页 |
| ·网格搜索法优化参数 | 第55页 |
| ·基于支持向量机的自动睡眠分期 | 第55-59页 |
| ·数据来源 | 第55-56页 |
| ·仿真流程 | 第56页 |
| ·仿真实验和结果分析 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第65-66页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第66-67页 |
| 致谢 | 第67页 |