检测代替分类的脑机接口研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-20页 |
| ·脑机接口 | 第10-11页 |
| ·脑电信号的特征 | 第11-14页 |
| ·脑电信号的Mu/Beta 节律 | 第12-13页 |
| ·P300 诱发电位 | 第13-14页 |
| ·脑机接口中的信号处理 | 第14-17页 |
| ·空域滤波 | 第14-15页 |
| ·特征提取：感觉运动节律 | 第15-16页 |
| ·转换算法 | 第16-17页 |
| ·脑机接口的发展状况 | 第17-19页 |
| ·论文研究的主要内容和组织结构 | 第19-20页 |
| 第2章 脑电信号检测 | 第20-26页 |
| ·信号分类思想 | 第20-23页 |
| ·信号分类的主要方法 | 第20-21页 |
| ·信号分类存在的问题 | 第21-23页 |
| ·脑电信号检测的方法及价值 | 第23-25页 |
| ·信号检测方法的价值 | 第23-24页 |
| ·信号检测的方法 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于高斯混合模型的脑电信号检测 | 第26-47页 |
| ·高斯混合模型描述 | 第26-27页 |
| ·高斯混合模型参数估计 | 第27-29页 |
| ·基于高斯混合模型的脑电信号检测 | 第29-46页 |
| ·实验数据 | 第29-30页 |
| ·信号预处理及特征提取 | 第30-32页 |
| ·信号检测 | 第32-38页 |
| ·实验结果及分析 | 第38-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 基于支持向量数据描述的脑电信号检测 | 第47-73页 |
| ·一类分类问题 | 第47-50页 |
| ·一类分类问题描述 | 第47-49页 |
| ·常见的一类分类方法 | 第49-50页 |
| ·支持向量数据描述 | 第50-56页 |
| ·球体数据描述 | 第51-54页 |
| ·具有非目标样本的支持向量数据描述 | 第54-56页 |
| ·基于支持向量数据描述的脑电信号检测 | 第56-72页 |
| ·信号检测 | 第56-62页 |
| ·实验结果及分析 | 第62-72页 |
| ·本章小结 | 第72-73页 |
| 第5章 基于稀疏表示的脑电信号检测 | 第73-92页 |
| ·稀疏表示基本思想 | 第73-74页 |
| ·基于稀疏表示的分类 | 第74-79页 |
| ·稀疏线性组合表示 | 第75-76页 |
| ·l_1范数最小化 | 第76-78页 |
| ·基于稀疏表示的分类 | 第78-79页 |
| ·基于稀疏表示的脑电信号检测 | 第79-89页 |
| ·信号检测 | 第79-85页 |
| ·实验结果及分析 | 第85-89页 |
| ·脑电信号检测三种方法的比较和分析 | 第89-91页 |
| ·本章小结 | 第91-92页 |
| 结论 | 第92-94页 |
| 参考文献 | 第94-99页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第99-100页 |
| 致谢 | 第100-101页 |
| 作者简介 | 第101页 |
