浅睡眠阶段的特征提取与分类识别研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·课题研究的背景与意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·课题研究的目的和内容 | 第11-12页 |
| ·章节安排 | 第12-14页 |
| 第2章 睡眠脑电相关知识 | 第14-24页 |
| ·脑电信号的基本特征 | 第14-17页 |
| ·脑电信号的采集方法 | 第17-19页 |
| ·睡眠阶段的脑电信号特征 | 第19-23页 |
| ·小结 | 第23-24页 |
| 第3章 睡眠脑电分析方法 | 第24-33页 |
| ·特征提取方法 | 第24-29页 |
| ·线性滤波 | 第24-25页 |
| ·匹配跟踪法 | 第25-26页 |
| ·谱分析 | 第26-27页 |
| ·小波变换 | 第27-28页 |
| ·独立分量分析 | 第28-29页 |
| ·非线性动力学分析 | 第29页 |
| ·分类识别方法 | 第29-32页 |
| ·线性判别式分析 | 第29-30页 |
| ·感知器 | 第30页 |
| ·二次判别式分析 | 第30页 |
| ·k-近邻分类器 | 第30页 |
| ·支持向量机 | 第30-32页 |
| ·人工神经网络分析 | 第32页 |
| ·小结 | 第32-33页 |
| 第4章 浅睡眠阶段的特征提取 | 第33-49页 |
| ·数据采集 | 第33-34页 |
| ·频域分析方法 | 第34-35页 |
| ·快速傅立叶变换 | 第34页 |
| ·全频率段参数计算 | 第34页 |
| ·特征参数的提取 | 第34-35页 |
| ·实验结果 | 第35-48页 |
| ·能量频谱图 | 第35-41页 |
| ·特征分析 | 第41-44页 |
| ·特征提取 | 第44-48页 |
| ·小结 | 第48-49页 |
| 第5章 浅睡眠阶段的分类识别 | 第49-57页 |
| ·支持向量机的原理 | 第49-50页 |
| ·分类识别算法设计 | 第50-51页 |
| ·实验结果 | 第51-56页 |
| ·学习训练结果 | 第51-54页 |
| ·分类识别结果 | 第54-56页 |
| ·小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| ·工作总结 | 第57页 |
| ·研究展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间发表的论文 | 第65页 |
