| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 研究现状 | 第14-16页 |
| 1.3 本文主要研究内容 | 第16-17页 |
| 1.4 论文结构与安排 | 第17-18页 |
| 2 局部场电位信号采集与分析 | 第18-29页 |
| 2.1 实验设计 | 第18-20页 |
| 2.1.1 实验设计与行为训练 | 第18-19页 |
| 2.1.2 微电极阵列植入手术 | 第19-20页 |
| 2.2 局部场电位信号的采集 | 第20-22页 |
| 2.3 局部场电位信号分析 | 第22-28页 |
| 2.3.1 局部场电位信号时频分析 | 第22-25页 |
| 2.3.2 局部场电位信号相干性分析 | 第25-27页 |
| 2.3.3 局部场电位信号转向特征 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 ReliefF-PLS特征提取算法 | 第29-39页 |
| 3.1 ReliefF-PLS算法的基本原理 | 第29-33页 |
| 3.1.1 ReliefF算法 | 第29-31页 |
| 3.1.2 偏最小二乘算法 | 第31-32页 |
| 3.1.3 ReliefF-PLS算法 | 第32-33页 |
| 3.2 基于ReliefF-PLS的局部场电位特征提取 | 第33-35页 |
| 3.3 ReliefF-PLS特征提取效果的实验测评 | 第35-38页 |
| 3.3.1 ReliefF-PLS算法的降维效果测评 | 第35页 |
| 3.3.2 ReliefF-PLS算法的离散度效果测评 | 第35-37页 |
| 3.3.3 ReliefF-PLS算法的分类效果测评 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 4 基于ReliefF-PLS的鸽子运动转向解码及结果分析 | 第39-52页 |
| 4.1 常用分类算法 | 第39-47页 |
| 4.1.1 线性判别分析 | 第39-41页 |
| 4.1.2 支持向量机分类算法 | 第41-46页 |
| 4.1.3 K最近邻算法 | 第46-47页 |
| 4.2 不同分类算法解码结果 | 第47-49页 |
| 4.2.1 线性判别分析解码结果 | 第47-48页 |
| 4.2.2 支持向量机解码结果 | 第48页 |
| 4.2.3 K最近邻解码结果 | 第48-49页 |
| 4.3 不同分类模型结果对比分析 | 第49-50页 |
| 4.4 本章小结 | 第50-52页 |
| 5 总结与展望 | 第52-56页 |
| 5.1 工作总结 | 第52-54页 |
| 5.2 展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 个人简历、在学期间发表的学术论文 | 第59-60页 |
| 致谢 | 第60页 |
