基于运动想象的脑—机接口分类算法的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第1章 引言 | 第11-25页 |
| ·脑-机接口的概念及原理 | 第11-13页 |
| ·脑-机接口的组成及类型 | 第13-17页 |
| ·BCI 系统的基本结构 | 第13-14页 |
| ·BCI 系统的基本类型 | 第14-17页 |
| ·分类算法的研究现状 | 第17-21页 |
| ·特征提取方法 | 第18-19页 |
| ·分类器翻译算法 | 第19-21页 |
| ·评价标准及应用前景 | 第21-23页 |
| ·BCI 评价标准 | 第21-22页 |
| ·BCI 应用前景 | 第22-23页 |
| ·脑-机接口有待解决的问题及本文的主要工作 | 第23-25页 |
| 第2章 基于多通道线性描述符的分类算法 | 第25-47页 |
| ·实验范例与数据采集 | 第25-30页 |
| ·实验范例 | 第25-27页 |
| ·数据采集 | 第27-30页 |
| ·事件相关同步/去同步 | 第30-34页 |
| ·ERD/ERS 基本原理 | 第30-31页 |
| ·ERD/ERS 时间与空间量化 | 第31-34页 |
| ·多通道线性描述符 | 第34-35页 |
| ·特征提取 | 第35-39页 |
| ·数据预处理 | 第36页 |
| ·基于多通道线性描述符的特征 | 第36-38页 |
| ·基于 AR 模型的特征 | 第38-39页 |
| ·FISHER 判别分析 | 第39-41页 |
| ·结果与讨论 | 第41-46页 |
| ·分类结果 | 第41-45页 |
| ·讨论 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第3章 基于幅度和相位耦合测量的分类算法 | 第47-63页 |
| ·幅度和相位耦合测量 | 第47-50页 |
| ·非线性回归系数 | 第48-49页 |
| ·相位锁定值 | 第49-50页 |
| ·特征提取 | 第50-54页 |
| ·基于耦合测量的特征 | 第51-54页 |
| ·基于 AR 模型的特征 | 第54页 |
| ·支持向量机 | 第54-57页 |
| ·结果及讨论 | 第57-62页 |
| ·分类结果 | 第57-61页 |
| ·讨论 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第4章 基于多特征结合的分类算法 | 第63-84页 |
| ·实验范例与数据采集 | 第64-66页 |
| ·实验范例 | 第64页 |
| ·数据采集 | 第64-66页 |
| ·数据分析及分类算法流程 | 第66-68页 |
| ·共空域子空间分解 | 第68-73页 |
| ·特征提取 | 第73-78页 |
| ·数据预处理 | 第73-75页 |
| ·特征提取与结合 | 第75-78页 |
| ·结果与讨论 | 第78-83页 |
| ·分类结果 | 第78-81页 |
| ·讨论 | 第81-83页 |
| ·本章小结 | 第83-84页 |
| 第5章 基于特征子集选择的分类算法 | 第84-102页 |
| ·电极选择 | 第84-88页 |
| ·特征提取与分类 | 第88-89页 |
| ·遗传算法 | 第89-93页 |
| ·特征子集选择 | 第93-94页 |
| ·结果与讨论 | 第94-101页 |
| ·特征子集选择结果 | 第94-98页 |
| ·对测试集数据分类结果 | 第98-100页 |
| ·讨论 | 第100-101页 |
| ·本章小结 | 第101-102页 |
| 第6章 总结与展望 | 第102-107页 |
| ·论文主要工作成果 | 第102-103页 |
| ·未来工作展望 | 第103-107页 |
| 参考文献 | 第107-117页 |
| 致谢 | 第117-118页 |
| 附录A CSSD 两个重要性质的证明 | 第118-120页 |
| 个人简历、在学期间的发表的论文及研究成果 | 第120-121页 |
