| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-14页 |
| 第二章 P300 BCI 系统介绍 | 第14-25页 |
| 2.1 P300 的基本原理 | 第14页 |
| 2.2 基于 P300 的 BCI 界面 | 第14-17页 |
| 2.3 P300 信号的转换算法 | 第17-22页 |
| 2.3.1 P300 的预处理算法 | 第17-18页 |
| 2.3.2 P300 的特征提取算法 | 第18页 |
| 2.3.3 P300 的分类算法 | 第18-22页 |
| 2.4 系统应用 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于 P300 的字符输入 BCI 系统范式设计 | 第25-40页 |
| 3.1 系统范式 | 第25-28页 |
| 3.2 P300 检测及动态输出 | 第28-32页 |
| 3.2.1 贝叶斯线性判别分析 | 第28-29页 |
| 3.2.2 动态输出算法 | 第29-31页 |
| 3.2.3 阈值参数选择 | 第31-32页 |
| 3.3 缩短刺激序列的动态输出方法 | 第32-34页 |
| 3.4 实验与结果 | 第34-39页 |
| 3.4.1 训练数据采集及建模 | 第34页 |
| 3.4.2 在线实验 | 第34-35页 |
| 3.4.3 实验结果 | 第35-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 P300 BCI 系统的在线半监督学习 | 第40-54页 |
| 4.1 在线半监督学习算法 | 第40-45页 |
| 4.1.1 LS-SVM 算法 | 第41-42页 |
| 4.1.2 LS-SVM 的逐步更新 | 第42-43页 |
| 4.1.3 在线半监督学习算法 | 第43-45页 |
| 4.2 样本选择方法 | 第45-47页 |
| 4.3 基于 P300 BCI 在线半监督字符输入系统 | 第47-49页 |
| 4.4 实验结果 | 第49-52页 |
| 4.5 本章小结 | 第52-54页 |
| 总结与展望 | 第54-56页 |
| 全文总结 | 第54页 |
| 展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间取得的研究成果 | 第60-61页 |
| 致谢 | 第61-62页 |
| 附件 | 第62页 |