基于独立分量分析算法的脑电诱发电位的特征提取
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·脑电信号与诱发电位 | 第10页 |
| ·脑电分析方法发展历史 | 第10-12页 |
| ·诱发电位研究现状 | 第12-14页 |
| ·本文工作内容及章节安排 | 第14-15页 |
| 第二章 独立分量分析理论与实现 | 第15-38页 |
| ·统计分析理论基础 | 第15-21页 |
| ·信息论基础 | 第21-23页 |
| ·主元分析法 | 第23-26页 |
| ·独立分量分析 | 第26-33页 |
| ·带参考信号的ICA 算法 | 第33-36页 |
| ·ICA 在脑电信号处理中的应用 | 第36-38页 |
| 第三章 两阶段周期性源信号提取算法 | 第38-47页 |
| ·引言 | 第38-39页 |
| ·算法概述 | 第39页 |
| ·算法框架 | 第39-40页 |
| ·第一阶段：粗提取 | 第40-42页 |
| ·第二阶段：精提取 | 第42-46页 |
| ·整体算法 | 第46-47页 |
| 第四章 基于互信息准则的特征选择算法 | 第47-56页 |
| ·引言 | 第47页 |
| ·互信息准则：熵、互信息和MARKOV 链 | 第47-48页 |
| ·聚类算法 | 第48页 |
| ·特征选择算法 | 第48-56页 |
| 第五章 支持向量机分类器 | 第56-62页 |
| ·基本原理 | 第56-57页 |
| ·支持向量机 | 第57-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 几何图形视觉诱发仿真试验 | 第62-73页 |
| ·试验方案 | 第62-65页 |
| ·仿真实验结果 | 第65-73页 |
| 第七章 总结与展望 | 第73-75页 |
| ·本论文的创新点和贡献 | 第73页 |
| ·未来工作展望 | 第73-75页 |
| 参考文献 | 第75-78页 |
| 符号与标记（附录1） | 第78-79页 |
| 致谢 | 第79-80页 |
| 攻读硕士学位期间已发表或录用的论文 | 第80-82页 |
