| 摘要 | 第1-8页 |
| Abstract | 第8-11页 |
| 第一章 绪论 | 第11-15页 |
| ·研究背景及意义 | 第11-13页 |
| ·主要研究内容 | 第13-14页 |
| ·论文结构安排 | 第14-15页 |
| 第二章 复杂网络及其拓扑结构统计特性 | 第15-21页 |
| ·复杂网络 | 第15-17页 |
| ·复杂网络的拓扑结构统计特性 | 第17-19页 |
| ·度及度分布 | 第17-18页 |
| ·聚类系数 | 第18-19页 |
| ·顶点强度 | 第19页 |
| ·权值差异 | 第19页 |
| ·小结 | 第19-21页 |
| 第三章 时间序列复杂网络的构造方法 | 第21-29页 |
| ·时间序列复杂网络构造方法的国内外研究及应用现状 | 第21-25页 |
| ·相关性网络构造算法 | 第21-23页 |
| ·可视图构造算法 | 第23-24页 |
| ·转移网络构造算法 | 第24页 |
| ·其它时间序列复杂网络构造算法 | 第24-25页 |
| ·时间序列相关性复杂网络构造算法 | 第25-27页 |
| ·小结 | 第27-29页 |
| 第四章 基于复杂网络拓扑结构统计特性的癫痫脑电特征提取方法 | 第29-59页 |
| ·本文采用的时间序列复杂网络构造算法 | 第29-31页 |
| ·基于复杂网络拓扑结构统计特性的非线性时间序列提取特征 | 第31-37页 |
| ·度分布熵 | 第31-33页 |
| ·聚类系数分布部分和 | 第33-34页 |
| ·顶点强度分布加权均值 | 第34-36页 |
| ·权值差异分布小值和 | 第36-37页 |
| ·实验数据库的描述及实验数据集的构造 | 第37-38页 |
| ·性能评价参数 | 第38-39页 |
| ·提取特征分类性能的验证及评价 | 第39-57页 |
| ·度分布熵对两类癫痫脑电的分类性能分析 | 第39-45页 |
| ·聚类系数分布部分和对两类癫痫脑电的分类性能分析 | 第45-48页 |
| ·顶点强度分布加权均值对两类癫痫脑电的分类性能分析 | 第48-53页 |
| ·权值差异分布小值和对两类癫痫脑电的分类性能分析 | 第53-57页 |
| ·小结 | 第57-59页 |
| 第五章 基于复杂网络拓扑结构提取特征的癫痫脑电分类方法 | 第59-67页 |
| ·癫痫脑电分类算法流程图 | 第59页 |
| ·波动指数 | 第59页 |
| ·特征向量归一化 | 第59-60页 |
| ·支持向量机 | 第60-61页 |
| ·十交叉验证 | 第61页 |
| ·基于本文提取特征的癫痫脑电自动分类算法实验结果及分析 | 第61-66页 |
| ·基于本文提取特征的癫痫脑电自动分类算法的性能评估实验结果 | 第62-64页 |
| ·实验结果分析 | 第64-66页 |
| ·小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| ·全文总结 | 第67页 |
| ·前景展望 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-77页 |
| 附录 | 第77-78页 |
