首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于非线性特征的癫痫脑电信号识别算法

摘要第1-10页
ABSTRACT第10-12页
符号说明第12-13页
第1章 绪论第13-21页
   ·脑电波的介绍第13-16页
   ·癫痫脑电波的特点第16-18页
   ·癫痫自动检测的研究目的和意义第18页
   ·癫痫自动检测技术的国内外研究和应用现状第18-20页
   ·本文研究技术路线与主要内容第20-21页
第2章 计算机辅助癫痫检测的主要研究方法和一般流程第21-24页
   ·当前计算机辅助癫痫检测的主要研究方法第21-22页
   ·计算机辅助癫痫脑电检测的一般流程第22-24页
第3章 非线性系统基本知识第24-29页
   ·前言第24-25页
   ·非线性动力学系统第25-26页
   ·非线性时间序列第26页
   ·非线性常用的度量方法第26-29页
第4章 切比雪夫Ⅱ型带通滤波器和零相位数字滤波器第29-35页
   ·前言第29页
   ·切比雪夫Ⅱ型带通滤波器第29-32页
     ·切比雪夫滤波器第29-31页
     ·选择切比雪夫Ⅱ型带通滤波器的原因第31-32页
   ·零相位数字滤波器第32-35页
第5章 支持向量机第35-41页
   ·引言第35页
   ·支持向量机分类原理第35-36页
   ·线性支持向量机第36-40页
   ·非线性支持向量机第40-41页
第6章 基于HURST指数和SVM的自动癫痫检测第41-49页
   ·引言第41页
   ·HURST指数第41-43页
   ·实验数据第43页
   ·基于HURST指数和SVM的自动癫痫检测第43-47页
     ·计算Hurst指数第44-45页
     ·脑电滤波第45-46页
     ·波幅的相对均值第46页
     ·SVM脑电分类第46-47页
   ·本章小结第47-49页
第7章 基于DFA和SVM的癫痫脑电检测方法第49-59页
   ·引言第49页
   ·实验数据第49-50页
   ·DFA定标指数和波动指数的计算方法第50-57页
     ·DFA定标指数的计算方法第50-56页
     ·脑电波动指数第56-57页
   ·基于DFA和SVM的自动癫痫检测第57-58页
   ·实验结果第58-59页
全文总结和展望第59-61页
参考文献第61-65页
致谢第65-66页
附录:本人硕士研究生期间发表论文和参与的项目第66-67页
学位论文评阅及答辩情况表第67页

论文共67页,点击 下载论文
上一篇:多媒体通信控制网关的研发
下一篇:基于图像分割的立体匹配算法研究