| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第13-20页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 存在的问题 | 第16-17页 |
| 1.4 本文研究内容 | 第17-18页 |
| 1.5 本文的结构安排与创新点 | 第18-20页 |
| 2 多方法融合的时序分类特征提取 | 第20-30页 |
| 2.1 多方法融合的时序分类特征提取思想 | 第20-23页 |
| 2.2 多方法融合的时序分类特征提取的实现 | 第23-29页 |
| 2.2.1 多方法融合中的小波特征提取 | 第23-25页 |
| 2.2.2 多方法融合中的分形特征提取 | 第25-28页 |
| 2.2.3 多方法融合中的统计特征提取 | 第28-29页 |
| 2.2.4 小波、分形和统计特征提取方法的融合 | 第29页 |
| 2.3 本章小结 | 第29-30页 |
| 3 多方法融合特征提取的仿真实验与分析 | 第30-43页 |
| 3.1 分类器的选择和确定 | 第30-34页 |
| 3.1.1 神经网络相关理论 | 第30-34页 |
| 3.1.2 分类器的选择和确定 | 第34页 |
| 3.2 多方法融合特征提取的仿真实验一 | 第34-38页 |
| 3.2.1 数据来源 | 第34页 |
| 3.2.2 实验过程 | 第34-37页 |
| 3.2.3 实验结果与比较分析 | 第37-38页 |
| 3.3 多方法融合特征提取的仿真实验二 | 第38-42页 |
| 3.3.1 数据来源 | 第38页 |
| 3.3.2 实验过程 | 第38-40页 |
| 3.3.3 实验结果与比较分析 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 4 基于多方法融合特征提取的EEG信号分类 | 第43-50页 |
| 4.1 EEG信号的研究背景与研究意义 | 第43页 |
| 4.2 EEG信号特征提取的国内外研究现状 | 第43-45页 |
| 4.3 EEG信号研究存在的问题 | 第45页 |
| 4.4 基于多方法融合特征提取实现的EEG信号分类 | 第45-49页 |
| 4.4.1 数据来源 | 第45-46页 |
| 4.4.2 特征提取及分类实现过程 | 第46-48页 |
| 4.4.3 分类结果与比较分析 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 5 基于多方法融合特征提取的手部动作分类 | 第50-59页 |
| 5.1 手部动作表面肌电信号的研究背景与研究意义 | 第50页 |
| 5.2 表面肌电信号特征提取的国内外研究现状 | 第50-52页 |
| 5.3 手部动作表面肌电信号特征提取存在的问题 | 第52页 |
| 5.4 手部动作表面肌电信号分类的分类器选择 | 第52-53页 |
| 5.5 基于多方法融合特征提取实现的肌电信号分类 | 第53-58页 |
| 5.5.1 数据来源 | 第53页 |
| 5.5.2 特征提取及分类实现过程 | 第53-55页 |
| 5.5.3 分类结果与比较分析 | 第55-58页 |
| 5.6 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-68页 |
| 攻读学位期间发表的学术论文 | 第68-69页 |
| 致谢 | 第69页 |