基于卷积神经网络的眼电信号疲劳检测
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 疲劳检测 | 第11-12页 |
| 1.2 国内外疲劳检测研究现状 | 第12-13页 |
| 1.3 基于卷积网络的眼电信号疲劳检测简介 | 第13-16页 |
| 1.3.1 卷积网络简介 | 第13-15页 |
| 1.3.2 基于卷积网络的眼电疲劳检测 | 第15-16页 |
| 1.4 研究意义 | 第16-18页 |
| 1.4.1 研究创新性 | 第16-17页 |
| 1.4.2 研究的应用价值 | 第17-18页 |
| 1.5 主要研究内容 | 第18页 |
| 1.6 毕业论文结构 | 第18页 |
| 1.7 本章小结 | 第18-21页 |
| 第二章 传统的眼电疲劳检测 | 第21-35页 |
| 2.1 眼电与疲劳检测 | 第21-23页 |
| 2.2 预处理 | 第23页 |
| 2.3 特征提取 | 第23-26页 |
| 2.3.1 眨眼特征提取 | 第23-25页 |
| 2.3.2 慢速眼动特征提取 | 第25-26页 |
| 2.3.3 快速眼动特征提取 | 第26页 |
| 2.3.4 能量特征提取 | 第26页 |
| 2.4 特征选择 | 第26-29页 |
| 2.4.1 手动挑选 | 第28页 |
| 2.4.2 主成分分析法 | 第28-29页 |
| 2.4.3 启发式搜索 | 第29页 |
| 2.5 特征平滑 | 第29-30页 |
| 2.6 分类与回归 | 第30-33页 |
| 2.6.1 支持向量机 | 第30-33页 |
| 2.7 本章小结 | 第33-35页 |
| 第三章 算法 | 第35-45页 |
| 3.1 信号预处理 | 第35-36页 |
| 3.2 卷积神经网络 | 第36-38页 |
| 3.3 卷积自动编码机 | 第38-42页 |
| 3.3.1 自动编码器 | 第38-40页 |
| 3.3.2 去噪自动编码器 | 第40-41页 |
| 3.3.3 栈式自动编码器 | 第41页 |
| 3.3.4 卷积自动编码器 | 第41-42页 |
| 3.3.5 最大池化 | 第42页 |
| 3.4 线性回归 | 第42-43页 |
| 3.5 线性动力系统 | 第43-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第四章 疲劳实验设计 | 第45-51页 |
| 4.1 实验设计描述 | 第45-46页 |
| 4.2 信号的获取 | 第46-48页 |
| 4.3 疲劳度估计 | 第48页 |
| 4.4 算法对比标准 | 第48-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第五章 结果分析 | 第51-57页 |
| 5.1 信号处理分析 | 第51-52页 |
| 5.2 特征提取 | 第52-53页 |
| 5.3 LDA平滑分析 | 第53-55页 |
| 5.4 回归结果分析 | 第55页 |
| 5.5 本章小结 | 第55-57页 |
| 全文总结 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-65页 |
| 攻读学位期间发表的学术论文目录 | 第65-67页 |
