基于人脸辨别的脑机接口系统范式及分类算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题背景与研究意义 | 第8-9页 |
| 1.2 脑机接口系统的构成 | 第9-10页 |
| 1.3 脑机接口的国内外研究现状 | 第10-12页 |
| 1.4 主要研究内容和论文组织结构 | 第12-13页 |
| 1.4.1 主要研究内容 | 第12页 |
| 1.4.2 论文组织结构 | 第12-13页 |
| 第2章 脑电基础知识 | 第13-17页 |
| 2.1 脑电信号的原理与分析 | 第13页 |
| 2.2 事件相关电位 | 第13-14页 |
| 2.3 脑电实验平台 | 第14-16页 |
| 2.4 本章小结 | 第16-17页 |
| 第3章 基于人脸辨别的脑机接口系统范式研究 | 第17-41页 |
| 3.1 假设的提出 | 第17-20页 |
| 3.2 数据获取 | 第20-22页 |
| 3.3 实验过程 | 第22-23页 |
| 3.4 数据采集和预处理 | 第23-27页 |
| 3.5 数据分析及结果 | 第27-39页 |
| 3.5.1 ERP分析及结果 | 第27-31页 |
| 3.5.2 ANOVA分析及结果 | 第31-34页 |
| 3.5.3 BLDA分类识别及结果 | 第34-39页 |
| 3.6 总结与讨论 | 第39-41页 |
| 第4章 基于卷积神经网络的脑电信号分类算法 | 第41-55页 |
| 4.1 问题的提出 | 第41页 |
| 4.2 卷积神经网络 | 第41-44页 |
| 4.3 卷积神经网络结构 | 第44-47页 |
| 4.3.1 卷积层 | 第45页 |
| 4.3.2 下采样层 | 第45页 |
| 4.3.3 全连接层 | 第45-46页 |
| 4.3.4 激活函数层 | 第46-47页 |
| 4.4 基于卷积神经网络的脑电信号分类 | 第47-49页 |
| 4.4.1 Caffe深度学习框架的搭建 | 第47页 |
| 4.4.2 脑电信号预处理 | 第47-48页 |
| 4.4.3 针对脑电信号分类的CNN模型 | 第48-49页 |
| 4.5 CNN分类结果 | 第49-53页 |
| 4.6 总结与讨论 | 第53-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 5.1 论文总结 | 第55-56页 |
| 5.2 展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61页 |
