| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-23页 |
| 1.1 课题背景 | 第12-13页 |
| 1.2 脑机接口介绍 | 第13-14页 |
| 1.3 事件相关电位 | 第14-17页 |
| 1.3.1 常见ERP成分 | 第15-17页 |
| 1.3.2 人脸相关的ERP成分 | 第17页 |
| 1.4 基于单次ERP检测的图像检索 | 第17-19页 |
| 1.5 单次ERP检测算法研究现状 | 第19-20页 |
| 1.6 研究目标与研究内容 | 第20-22页 |
| 1.6.1 研究目标 | 第20-21页 |
| 1.6.2 研究内容 | 第21-22页 |
| 1.7 本文结构 | 第22-23页 |
| 第2章 实验设计与数据采集 | 第23-28页 |
| 2.1 人脸识别实验设计 | 第23-25页 |
| 2.1.1 实验范式 | 第23-24页 |
| 2.1.2 实验素材 | 第24-25页 |
| 2.2 数据采集 | 第25-27页 |
| 2.2.1 EEG信号采集 | 第25-26页 |
| 2.2.2 刺激参数和行为数据采集 | 第26-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 人脸识别ERP时空特征分析及其分类 | 第28-45页 |
| 3.1 信号预处理 | 第28-31页 |
| 3.1.1 眼电伪迹去除 | 第28-30页 |
| 3.1.2 滤波 | 第30-31页 |
| 3.1.3 分段和基线校正 | 第31页 |
| 3.2 ERP时空特征分析 | 第31-35页 |
| 3.2.1 人脸图像刺激下ERP波形在时域上的特点 | 第32-35页 |
| 3.2.2 人脸图像刺激下ERP波形在空间上的特点 | 第35页 |
| 3.3 单次ERP信号检测 | 第35-44页 |
| 3.3.1 线性判别分析 | 第36-38页 |
| 3.3.2 支持向量机 | 第38-39页 |
| 3.3.3 共同空间模式 | 第39-41页 |
| 3.3.4 分类性能衡量标准 | 第41-42页 |
| 3.3.5 不同解码方式性能比较 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 基于卷积神经网络的单次ERP人脸识别 | 第45-64页 |
| 4.1 卷积神经网络理论 | 第45-53页 |
| 4.1.1 卷积神经网络结构 | 第46-48页 |
| 4.1.2 卷积神经网络反向传播 | 第48-51页 |
| 4.1.3 卷积神经网络的训练 | 第51-53页 |
| 4.2 卷积神经网络应用 | 第53-57页 |
| 4.2.1 人脸识别的单次ERP信号数据库 | 第53-54页 |
| 4.2.2 基于单次ERP检测的卷积神经网络结构 | 第54-55页 |
| 4.2.3 网络的学习过程 | 第55-56页 |
| 4.2.4 网络权值初始化和收敛条件 | 第56-57页 |
| 4.2.5 卷积神经网络训练策略 | 第57页 |
| 4.3 目标人脸识别的结果分析 | 第57-63页 |
| 4.3.1 训练过程分析 | 第58-59页 |
| 4.3.2 分类结果分析 | 第59-61页 |
| 4.3.3 网络分析 | 第61-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第5章 总结和展望 | 第64-67页 |
| 5.1 工作总结 | 第64-65页 |
| 5.2 研究展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间主要的研究成果 | 第71-72页 |
| 致谢 | 第72页 |