| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 癫痫脑电自动检测的背景与意义 | 第11-12页 |
| 1.2 癫痫脑电自动检测的研究现状 | 第12-15页 |
| 1.3 论文的主要工作及结构安排 | 第15-17页 |
| 第2章 癫痫脑电信号及特征简介 | 第17-27页 |
| 2.1 脑电信号特征及采集方式 | 第17-18页 |
| 2.1.1 脑电信号产生机理和组成成分 | 第17-18页 |
| 2.2 脑电信号采集 | 第18-22页 |
| 2.2.1 脑电信号采集系统结构 | 第18-19页 |
| 2.2.2 脑电信号采集电极安放位置 | 第19-20页 |
| 2.2.3 脑电信号采集电极导联方式 | 第20-22页 |
| 2.3 癫痫脑电信号特征波形 | 第22-23页 |
| 2.4 实验数据来源 | 第23-24页 |
| 2.5 本章小结 | 第24-27页 |
| 第3章 特征提取、降维与分类算法研究 | 第27-39页 |
| 3.1 特征提取算法 | 第27-33页 |
| 3.1.1 离散小波变换 | 第28-29页 |
| 3.1.2 可调Q因子小波变换 | 第29-31页 |
| 3.1.3 短时傅里叶变换 | 第31-32页 |
| 3.1.4 快速傅里叶变换 | 第32-33页 |
| 3.2 降维算法 | 第33-34页 |
| 3.2.1 因子分析 | 第33-34页 |
| 3.2.2 奇异值分解 | 第34页 |
| 3.3 分类算法 | 第34-37页 |
| 3.3.1 支持向量机 | 第34-36页 |
| 3.3.2 分类器评价标准 | 第36-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第4章 灵活分析小波变换在癫痫脑电信号自动检测中的应用 | 第39-63页 |
| 4.1 实验算法 | 第39-42页 |
| 4.1.1 灵活分析小波变换 | 第39-40页 |
| 4.1.2 非负矩阵分解 | 第40-42页 |
| 4.2 实验结果 | 第42-48页 |
| 4.2.1 数据处理环境 | 第42页 |
| 4.2.2 基于FAWT的EEG分解重构 | 第42-45页 |
| 4.2.3 基于STFT的时频特征提取 | 第45-46页 |
| 4.2.4 基于NMF的特征降维 | 第46页 |
| 4.2.5 基于遗传算法优化的SVM的EEG特征分类 | 第46-47页 |
| 4.2.6 实验算法结果 | 第47-48页 |
| 4.3 算法对比实验 | 第48-61页 |
| 4.3.1 FAWT的最佳分解层数 | 第48-49页 |
| 4.3.2 FAWT的重构方式 | 第49-52页 |
| 4.3.3 FAWT与其它方法对比 | 第52-54页 |
| 4.3.4 STFT与FFT时频特征提取算法对比 | 第54-56页 |
| 4.3.5 NMF降维维度对准确率的影响实验 | 第56-58页 |
| 4.3.6 NMF、FA和SVD降维算法对比实验 | 第58-61页 |
| 4.4 本章小结 | 第61-63页 |
| 第5章 总结与展望 | 第63-65页 |
| 5.1 总结 | 第63-64页 |
| 5.2 研究展望 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 作者简介与科研成果 | 第71-73页 |
| 致谢 | 第73页 |