| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 研究现状 | 第8-10页 |
| 1.2.1 眼动在抑郁识别中的研究 | 第8页 |
| 1.2.2 EEG在抑郁识别中的研究 | 第8-10页 |
| 1.3 研究目的与意义 | 第10页 |
| 1.4 本文研究内容 | 第10-11页 |
| 1.5 本文组织结构 | 第11-13页 |
| 第二章 脑电处理技术及相关算法概述 | 第13-21页 |
| 2.1 脑电处理技术概述 | 第13-15页 |
| 2.1.1 脑电数据采集 | 第13页 |
| 2.1.2 脑电信号预处理技术 | 第13-15页 |
| 2.2 抑郁识别分类算法介绍 | 第15-20页 |
| 2.2.1 线性分类器(Linear Classifier) | 第15-16页 |
| 2.2.2 神经网络(Neural Networks) | 第16-17页 |
| 2.2.3 贝叶斯分类器(Bayes Classifier) | 第17-18页 |
| 2.2.4 最近邻分类器(Nearest Neighbor) | 第18-19页 |
| 2.2.5 决策树(Decision Tree) | 第19页 |
| 2.2.6 随机森林(Random Forest) | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 实验设计与数据采集 | 第21-25页 |
| 3.1 实验材料 | 第21-22页 |
| 3.2 被试人群选择 | 第22页 |
| 3.3 眼动脑电同步采集系统及实验范式 | 第22-23页 |
| 3.4 实验数据采集 | 第23-24页 |
| 3.5 本章小节 | 第24-25页 |
| 第四章 基于眼动特征的抑郁识别研究 | 第25-32页 |
| 4.1 眼动数据描述 | 第25页 |
| 4.2 眼动数据预处理与特征提取 | 第25-27页 |
| 4.3 基于CFS的特征选择 | 第27页 |
| 4.4 基于眼动特征的分类研究 | 第27-31页 |
| 4.4.1 分类结果 | 第27-28页 |
| 4.4.2 ROC曲线分析 | 第28-30页 |
| 4.4.3 结果分析讨论 | 第30-31页 |
| 4.5 本章小结 | 第31-32页 |
| 第五章 基于脑电特征的抑郁识别研究 | 第32-39页 |
| 5.1 脑电数据描述 | 第32页 |
| 5.2 脑电数据预处理 | 第32-33页 |
| 5.3 脑电信号特征提取 | 第33-34页 |
| 5.4 基于脑电特征的分类研究 | 第34-38页 |
| 5.4.1 分类结果 | 第34-35页 |
| 5.4.2 ROC曲线分析 | 第35-36页 |
| 5.4.3 单导电极脑电数据分类研究 | 第36-38页 |
| 5.4.4 结果分析与讨论 | 第38页 |
| 5.5 本章小结 | 第38-39页 |
| 第六章 总结和展望 | 第39-40页 |
| 6.1 工作内容总结 | 第39页 |
| 6.2 研究展望 | 第39-40页 |
| 参考文献 | 第40-43页 |
| 在学期间研究成果 | 第43-44页 |
| 致谢 | 第44页 |
