| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-20页 |
| §1-1 引言 | 第8页 |
| §1-2 流形学习在脑电研究中的意义 | 第8-9页 |
| §1-3 全局优化算法的研究进展 | 第9页 |
| §1-4 基本电磁学方程及其在脑电中的静电近似 | 第9-10页 |
| §1-5 脑电正问题的计算 | 第10-14页 |
| 1-5-1 脑电正问题的一般表示 | 第10-11页 |
| 1-5-2 多层同心球模型的电场理论分析 | 第11-13页 |
| 1-5-3 真实头模型的电场理论分析 | 第13-14页 |
| §1-6 脑电逆问题的计算 | 第14-19页 |
| 1-6-1 皮层电位成象技术中的重构算法 | 第15页 |
| 1-6-2 偶极子定位方法 | 第15-16页 |
| 1-6-3 目标函数的构造 | 第16页 |
| 1-6-4 现代信号处理方法 | 第16-17页 |
| 1-6-5 偶极源定位问题的非线性优化方法 | 第17-19页 |
| §1-7 本文的主要研究内容 | 第19-20页 |
| 第二章 基于流形学习的非线性维数约减算法在脑电信号处理中的应用 | 第20-31页 |
| §2-1 脑电信号处理的常用方法 | 第20-22页 |
| 2-1-1 脑电信号的按节律分段标准 | 第20页 |
| 2-1-2 脑电图瞬态的提取 | 第20页 |
| 2-1-3 准平稳分段 | 第20-21页 |
| 2-1-4 特征提取 | 第21-22页 |
| §2-2 脑电的非线性特性 | 第22-24页 |
| 2-2-1 脑电数据分析面临的问题 | 第22-23页 |
| 2-2-2 脑电数据几何结构呈现的非线性 | 第23页 |
| 2-2-3 脑电信号的模式识别 | 第23-24页 |
| 2-2-4 神经生理学的发展 | 第24页 |
| §2-3 基于流形学习的维数约减算法比较 | 第24-31页 |
| 2-3-1 流形学习的定义 | 第24-25页 |
| 2-3-2 线性维数约减方法 | 第25-26页 |
| 2-3-3 非线性维数约减方法 | 第26-31页 |
| 第三章 基于非线性维数约减的优化算法在脑电问题中的应用——实例与仿真 | 第31-43页 |
| §3-1 基于LLE 维数约减及BP 神经网络的癫痫棘波信号自动识别 | 第31-37页 |
| 3-1-1 BP 神经网络的学习算法及计算过程 | 第32-33页 |
| 3-1-2 数据预处理 | 第33-34页 |
| 3-1-3 BP 神经网络模型的构建与训练 | 第34-36页 |
| 3-1-4 BP 神经网络模型的检验 | 第36-37页 |
| §3-2 移动光标的脑电信号分类 | 第37-39页 |
| 3-2-1 实验任务设计 | 第37-38页 |
| 3-2-2 BP 神经网络设计与测试 | 第38-39页 |
| §3-3 非线性维数约减结合遗传算法在脑电偶极子源定位中的应用 | 第39-43页 |
| 3-3-1 遗传算法基本原理 | 第39-41页 |
| 3-3-2 脑电源等效模型的选择 | 第41页 |
| 3-3-3 实验结果 | 第41-43页 |
| 第四章 总结和展望 | 第43-44页 |
| 参考文献 | 第44-46页 |
| 致谢 | 第46页 |
