| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 目录 | 第8-10页 |
| 1 绪论 | 第10-18页 |
| ·研究背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-16页 |
| ·论文研究内容和创新点 | 第16-17页 |
| ·论文结构 | 第17-18页 |
| 2 脑电信号及应用实例 | 第18-35页 |
| ·脑电信号基础 | 第18-22页 |
| ·脑电信号的产生机理及分类 | 第18-19页 |
| ·脑电信号的采集方法 | 第19-21页 |
| ·脑电信号的特点及应用 | 第21-22页 |
| ·脑电信号分析方法 | 第22-28页 |
| ·传统分析方法 | 第22-27页 |
| ·现代分析方法 | 第27-28页 |
| ·本文基于小波熵的抑郁症患者脑电复杂度分析 | 第28-34页 |
| ·小波熵简介 | 第28-29页 |
| ·抑郁症患者脑电信号采集及预处理 | 第29-31页 |
| ·实验结果 | 第31-34页 |
| ·小结 | 第34-35页 |
| 3 基于脑电信号的情感分类 | 第35-58页 |
| ·特定情感的脑电信号采集及特征提取 | 第38-44页 |
| ·情感脑电信号的采集 | 第38-40页 |
| ·情感脑电信号的特征提取 | 第40-44页 |
| ·特征选择算法及分类器设计 | 第44-51页 |
| ·脑电信号的导联选择 | 第44-47页 |
| ·基于遗传算法的特征选择 | 第47-49页 |
| ·基于主成分分析的特征选择 | 第49-50页 |
| ·Fisher多类分类器 | 第50-51页 |
| ·情感分类结果及分析 | 第51-57页 |
| ·基于遗传算法特征选择的分类结果 | 第52-55页 |
| ·基于PCA-Fisher和GA-Fisher的分类结果对比 | 第55-57页 |
| ·小结 | 第57-58页 |
| 4 基于小波神经网络的脑活跃度模型初步研究 | 第58-70页 |
| ·脑活跃度的定义 | 第58-59页 |
| ·本文脑活跃度建模特征参数 | 第59-61页 |
| ·Welch功率谱估计 | 第59-60页 |
| ·复杂度 | 第60-61页 |
| ·基于小波神经网络的脑活跃度模型构建 | 第61-66页 |
| ·小波神经网络基础 | 第61-63页 |
| ·脑活跃度模型 | 第63-64页 |
| ·小波神经网络脑活跃度模型实现步骤 | 第64-66页 |
| ·恐惧脑活跃度研究 | 第66-69页 |
| ·模型的实现 | 第66-67页 |
| ·模型结果分析 | 第67-69页 |
| ·小结 | 第69-70页 |
| 5 总结与展望 | 第70-73页 |
| ·总结 | 第70-71页 |
| ·展望 | 第71-73页 |
| 参考文献 | 第73-79页 |
| 攻读学位期间取得的研究成果 | 第79-80页 |
| 致谢 | 第80-82页 |