| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-21页 |
| ·课题研究背景、目的和意义 | 第11-12页 |
| ·脑电图的分类与癫痫特征波 | 第12-14页 |
| ·脑信号处理和模式识别方法研究进展 | 第14-18页 |
| ·脑电信号的特点 | 第14-15页 |
| ·癫痫脑电信号分析方法研究 | 第15-17页 |
| ·脑电检测技术中目前存在的主要问题 | 第17-18页 |
| ·本文的主要研究内容 | 第18-21页 |
| 第2章 脑电信号的采集与预处理 | 第21-35页 |
| ·脑电信号的采集 | 第21-27页 |
| ·脑电仪的结构 | 第21-22页 |
| ·电极的放置 | 第22-26页 |
| ·采集脑电的导联选择 | 第26-27页 |
| ·脑电信号中的伪差 | 第27-28页 |
| ·脑电信号的去噪 | 第28-33页 |
| ·基于扩展最大熵独立分量分析的脑电消噪 | 第29页 |
| ·ICA算法原理 | 第29-30页 |
| ·实验数据与分析结果 | 第30-33页 |
| ·本章小结 | 第33-35页 |
| 第3章 基于多分辨分析的脑电癫痫波特征提取 | 第35-49页 |
| ·小波变换 | 第35-40页 |
| ·连续小波变换 | 第35-36页 |
| ·离散小波变换 | 第36-37页 |
| ·多分辨分析 | 第37-40页 |
| ·EEG信号的小波分解 | 第40-41页 |
| ·癫痫异常脑电波的检测 | 第41-47页 |
| ·结果与分析 | 第47页 |
| ·本章小结 | 第47-49页 |
| 第4章 癫痫脑电非线性动力学特征提取与检测 | 第49-70页 |
| ·引言 | 第49页 |
| ·近似熵算法及对信号的分析验证 | 第49-51页 |
| ·近似熵算法 | 第50页 |
| ·信号的分析验证 | 第50-51页 |
| ·典型癫痫信号的分类分析 | 第51-59页 |
| ·临床数据 | 第51-52页 |
| ·癫痫脑电信号的小波分解 | 第52-53页 |
| ·近似熵分析 | 第53-58页 |
| ·t检验 | 第58-59页 |
| ·癫痫信号的分类检测 | 第59-63页 |
| ·结果分析与比较 | 第63-68页 |
| ·分类检测结果 | 第63-66页 |
| ·结果比较 | 第66-68页 |
| ·癫痫脑电数据曲线拟合 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 第5章 基于支持向量机的癫痫脑电信号分类 | 第70-86页 |
| ·引言 | 第70-71页 |
| ·支持向量机基本原理 | 第71-77页 |
| ·最优分类面 | 第71-76页 |
| ·核函数 | 第76-77页 |
| ·实验过程 | 第77-84页 |
| ·EEG数据 | 第77页 |
| ·预处理 | 第77-83页 |
| ·SVM分类结果 | 第83-84页 |
| ·本章小结 | 第84-86页 |
| 第6章 基于主成分分析的脑电特征提取和识别 | 第86-101页 |
| ·引言 | 第86页 |
| ·主成分分析的方法 | 第86-89页 |
| ·主成分分解 | 第86-87页 |
| ·求解主成分 | 第87-89页 |
| ·主成分分析方法的进一步讨论 | 第89页 |
| ·主成分分析方法提取癫痫脑电特征 | 第89-99页 |
| ·PCA处理 | 第90-93页 |
| ·因子分析 | 第93-95页 |
| ·EEG数据及其处理 | 第95-96页 |
| ·识别分析 | 第96-99页 |
| ·两种识别方法的结果比较 | 第99页 |
| ·本章小结 | 第99-101页 |
| 第7章 总结与展望 | 第101-105页 |
| ·工作总结 | 第101-103页 |
| ·研究展望 | 第103-105页 |
| 参考文献 | 第105-114页 |
| 致谢 | 第114-115页 |
| 攻读博士学位期间发表、完成的学术论文及申请专利和获奖情况 | 第115-116页 |