| 摘要 | 第1-13页 |
| ABSTRACT | 第13-17页 |
| 符号说明 | 第17-18页 |
| 缩略语简表 | 第18-20页 |
| 第一章 绪论 | 第20-32页 |
| ·研究背景及意义 | 第20-23页 |
| ·癫痫自动检测的研究现状 | 第23-28页 |
| ·时域分析 | 第23-24页 |
| ·频域分析 | 第24页 |
| ·时频分析 | 第24-26页 |
| ·非线性动力学分析 | 第26-27页 |
| ·多种方法联合分析 | 第27-28页 |
| ·研究中存在的问题 | 第28-29页 |
| ·本文内容与结构安排 | 第29-32页 |
| 第二章 脑电信号及癫痫自动检测系统 | 第32-42页 |
| ·脑电信号概述 | 第32-36页 |
| ·脑电图简介 | 第32-33页 |
| ·脑电采集技术 | 第33-35页 |
| ·脑电信号特点 | 第35-36页 |
| ·癫痫脑电信号 | 第36-38页 |
| ·癫痫自动检测系统框架 | 第38-41页 |
| ·预处理 | 第38-40页 |
| ·特征提取 | 第40页 |
| ·分类 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第三章 基于扩散距离与BLDA的癫痫自动检测算法 | 第42-65页 |
| ·距离度量 | 第42-45页 |
| ·扩散距离 | 第45-47页 |
| ·脑电信号的扩散距离特征提取与癫痫自动检测 | 第47-56页 |
| ·小波分析 | 第47-51页 |
| ·特征提取 | 第51-53页 |
| ·贝叶斯线性判别分析(BLDA) | 第53-55页 |
| ·分类及后处理 | 第55-56页 |
| ·实验数据 | 第56-58页 |
| ·数据库介绍 | 第56-58页 |
| ·训练与测试数据 | 第58页 |
| ·实验结果与分析 | 第58-64页 |
| ·本章小结 | 第64-65页 |
| 第四章 基于多层核协作表示的癫痫检测算法 | 第65-82页 |
| ·稀疏表示理论与分类方法 | 第65-67页 |
| ·核协作表示分类方法(KCRC) | 第67-72页 |
| ·协作表示分类 | 第67-68页 |
| ·核方法 | 第68-70页 |
| ·核协作表示分类(KCRC) | 第70-72页 |
| ·基于多层核协作表示的癫痫发作检测 | 第72-76页 |
| ·脑电信号预处理 | 第72-73页 |
| ·脑电信号的多层核协作表示分类 | 第73-75页 |
| ·后处理与判决准则 | 第75-76页 |
| ·实验分析与性能评价 | 第76-81页 |
| ·实验数据 | 第76-77页 |
| ·实验结果与分析 | 第77-81页 |
| ·本章小结 | 第81-82页 |
| 第五章 基于Log-Euclidean高斯核稀疏表示的癫痫自动检测算法 | 第82-100页 |
| ·对称正定矩阵空间与黎曼度量 | 第82-84页 |
| ·SPD矩阵空间上的Log-Euclidean高斯核稀疏表示 | 第84-86页 |
| ·Log-Euclidean高斯核函数 | 第85页 |
| ·Log-Euclidean高斯核稀疏表示 | 第85-86页 |
| ·基于Log-Euclidean高斯核稀疏表示的癫痫检测算法 | 第86-91页 |
| ·脑电信号预处理 | 第87-89页 |
| ·脑电信号的Log-Euclidean高斯核稀疏表示 | 第89-90页 |
| ·分类识别 | 第90-91页 |
| ·实验分析与性能评价 | 第91-99页 |
| ·训练与测试数据 | 第91-92页 |
| ·实验结果与分析 | 第92-99页 |
| ·本章小结 | 第99-100页 |
| 第六章 总结与展望 | 第100-103页 |
| ·本文总结 | 第100-101页 |
| ·研究展望 | 第101-103页 |
| 参考文献 | 第103-116页 |
| 致谢 | 第116-117页 |
| 攻读学位期间发表的学术论文和参与的科研项目 | 第117-119页 |
| 附件：外文论文两篇 | 第119-142页 |
| 学位论文评阅及答辩情况表 | 第142页 |
