首页--医药、卫生论文--神经病学与精神病学论文--脑部疾病论文--癫痫论文

基于广义S变换和随机森林算法的癫痫脑电信号特征提取与分类研究

摘要第4-5页
abstract第5-6页
第1章 绪论第9-15页
    1.1 课题研究背景及意义第9页
    1.2 国内外研究现状第9-12页
        1.2.1 脑电信号概述第9-10页
        1.2.2 癫痫脑电信号处理的国内外研究现状及发展趋势第10-11页
        1.2.3 目前研究主要存在的问题第11-12页
    1.3 论文主要研究内容第12-13页
    1.4 论文的结构安排第13-15页
第2章 癫痫脑电信号特征值提取方法研究第15-23页
    2.1 小波变换第15-19页
        2.1.1 小波变换基本理论第15-17页
        2.1.2 基于小波变换的特征值提取方法第17-19页
    2.2 S变换与广义S变换第19-21页
        2.2.1 广义S变换的产生及发展第19页
        2.2.2 S变换及广义S变换基本理论第19-21页
    2.3 基于小波变换、S变换和广义S变换的癫痫脑电信号特征值提取方法第21-22页
    2.4 本章小结第22-23页
第3章 基于随机森林算法的癫痫脑电信号特征值分类研究第23-29页
    3.1 引言第23页
    3.2 随机森林算法第23-27页
        3.2.1 随机森林算法概述第23页
        3.2.2 基于随机森林算法的特征值分类研究第23-26页
        3.2.3 随机森林算法评价指标第26-27页
    3.3 基于随机森林算法的癫痫脑电信号特征值分类方法第27-28页
    3.4 本章小结第28-29页
第4章 癫痫脑电信号特征值提取与特征值分类实验第29-51页
    4.1 引言第29页
    4.2 癫痫脑电信号特征值提取方法实验第29-43页
        4.2.1 数据集提取第29-32页
        4.2.2 基于小波变换的特征值提取方法设计第32-34页
        4.2.3 基于S变换的特征值提取方法设计第34-39页
        4.2.4 基于广义S变换特征值提取方法设计第39-43页
    4.3 基于随机森林算法的特征值分类设计第43-47页
    4.4 实验结果及分析第47-50页
    4.5 本章小结第50-51页
第5章 总结与展望第51-53页
    5.1 总结第51-52页
    5.2 展望第52-53页
参考文献第53-57页
作者简介及在学期间的科研成果第57-59页
致谢第59页

论文共59页,点击 下载论文
上一篇:基于单点的无线体域网能量和信息双向传输技术研究
下一篇:基于F-GRT模型的人体动作识别研究