基于混合高斯模型的脑—机接口系统脑电信号的分类研究
| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究背景与意义 | 第11-14页 |
| 1.1.1 脑-机界面原理 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 本文主要工作与各章结构安排 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 第2章 BCI系统中的脑电信号 | 第17-27页 |
| 2.1 脑电信号产生的神经机理 | 第17-18页 |
| 2.2 脑电信号的采集 | 第18-20页 |
| 2.3 脑电信号的分类 | 第20-24页 |
| 2.3.1 诱发脑电 | 第21-22页 |
| 2.3.2 自发脑电 | 第22-24页 |
| 2.3.3 诱发脑电与自发脑电的区别 | 第24页 |
| 2.4 脑电信号的特点 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第3章 脑电信号预处理的PCA方法 | 第27-32页 |
| 3.1 脑电信号的噪声类型 | 第27页 |
| 3.2 脑电信号去噪的处理方法 | 第27-28页 |
| 3.3 PCA的基本原理 | 第28-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 脑电信号的分类技术 | 第32-42页 |
| 4.1 混合高斯模型分类器 | 第32-35页 |
| 4.1.1 混合高斯模型 | 第32-33页 |
| 4.1.2 EM算法 | 第33-34页 |
| 4.1.3 GMM的参数估计 | 第34-35页 |
| 4.2 分配问题中的匈牙利算法 | 第35-38页 |
| 4.2.1 分配问题 | 第36页 |
| 4.2.2 分配问题的数学模型 | 第36-37页 |
| 4.2.3 匈牙利算法的基本原理 | 第37-38页 |
| 4.2.4 匈牙利算法的具体步骤 | 第38页 |
| 4.3 Bayes分类器 | 第38-40页 |
| 4.3.1 两总体的Bayes分类器 | 第39-40页 |
| 4.4 实例分析 | 第40-41页 |
| 4.4.1 论文数据来源 | 第40页 |
| 4.4.2 分类结果比较 | 第40-41页 |
| 4.5 本章小结 | 第41-42页 |
| 结论 | 第42-44页 |
| 参考文献 | 第44-48页 |
| 攻读硕士学位期间所发表的学术论文 | 第48-50页 |
| 致谢 | 第50页 |
