| CONTENTS | 第1-8页 |
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第12-21页 |
| ·脑电波的研究 | 第12-13页 |
| ·癫痫脑电信号的特点 | 第13-15页 |
| ·癫痫脑电自动检测的背景及研究意义 | 第15页 |
| ·癫痫脑电自动检测的发展历史 | 第15-18页 |
| ·癫痫脑电自动检测的国内外研究现状 | 第18-20页 |
| ·癫痫脑电信号分析的国内外研究现状 | 第18-19页 |
| ·癫痫脑电自动检测存在的主要问题 | 第19-20页 |
| ·本论文研究工作及内容安排 | 第20-21页 |
| 第二章 近似熵和样本熵及其改进算法 | 第21-27页 |
| ·概述 | 第21页 |
| ·近似熵方法 | 第21-22页 |
| ·改进的近似熵方法 | 第22-24页 |
| ·样本熵 | 第24-25页 |
| ·改进的样本熵方法 | 第25-27页 |
| 第三章 支持向量机分类模型 | 第27-36页 |
| ·概述 | 第27-28页 |
| ·机器学习 | 第27页 |
| ·支持向量机的发展历史 | 第27-28页 |
| ·支持向量机的理论基础 | 第28-30页 |
| ·期望风险最小化 | 第28页 |
| ·经验风险最小化 | 第28-29页 |
| ·VC维 | 第29页 |
| ·经验风险与真实风险的关系 | 第29-30页 |
| ·支持向量机理论简介 | 第30-34页 |
| ·支持向量机的优点 | 第34页 |
| ·支持向量机的实现 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于近似熵、样本熵及其改进算法的癫痫脑电分类 | 第36-49页 |
| ·概述 | 第36-37页 |
| ·实验数据集 | 第37页 |
| ·数据集 | 第37页 |
| ·实验数据集 | 第37页 |
| ·分类算法效果评价指标 | 第37-40页 |
| ·基于近似熵与改进的近似熵的癫痫脑电分类结果与分析 | 第40-44页 |
| ·基于样本熵与改进的样本熵的癫痫脑电分类结果与分析 | 第44-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 基于支持向量机的癫痫脑电分类 | 第49-54页 |
| ·概述 | 第49-51页 |
| ·测试样本与训练样本的选取 | 第50页 |
| ·实验效果评价指标 | 第50页 |
| ·SVM的参数选取 | 第50-51页 |
| ·基于四种熵和SVM的癫痫脑电分类结果与分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 结束语 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 学位论文评阅及答辩情况表 | 第62页 |
