| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 引言 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文研究内容 | 第12-13页 |
| 1.4 论文的创新点 | 第13页 |
| 1.5 论文结构 | 第13-15页 |
| 第2章 社交焦虑诱发实验方案及数据采集 | 第15-23页 |
| 2.1 实验被试 | 第15页 |
| 2.2 实验环境 | 第15-17页 |
| 2.3 实验流程 | 第17-18页 |
| 2.4 实验评分 | 第18-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 脉搏传递时间序列的获得过程 | 第23-28页 |
| 3.1 脉搏传递时间的定义 | 第23页 |
| 3.2 心电信号和脉搏信号的预处理 | 第23-25页 |
| 3.2.1 小波变换理论 | 第23-24页 |
| 3.2.2 小波变换去噪 | 第24-25页 |
| 3.3 脉搏主波波峰与心电R波波峰定位 | 第25-27页 |
| 3.4 脉搏传递时间序列的确定 | 第27页 |
| 3.5 本章小结 | 第27-28页 |
| 第4章 脉搏传递时间序列的处理 | 第28-50页 |
| 4.1 脉搏传递时间序列的预处理 | 第28页 |
| 4.1.1 基线差异的去除 | 第28页 |
| 4.1.2 极端数据的去除 | 第28页 |
| 4.2 特征提取 | 第28-39页 |
| 4.2.1 统计特征 | 第29-31页 |
| 4.2.2 非线性特征 | 第31-33页 |
| 4.2.3 基于小波包分解的能量特征 | 第33-35页 |
| 4.2.4 矩特征 | 第35-39页 |
| 4.3 特征选择 | 第39-42页 |
| 4.4 社交焦虑的识别与分类 | 第42-44页 |
| 4.4.1 极限学习机理论 | 第42页 |
| 4.4.2 极限学习机与留一被试法交叉验证用于分类 | 第42-43页 |
| 4.4.3 BP神经网络与留一被试法交叉验证用于分类 | 第43-44页 |
| 4.5 极端数据去除前的脉搏传递时间序列用于分类 | 第44-46页 |
| 4.6 心电RR间期序列用于社交焦虑的评估 | 第46-48页 |
| 4.7 本章小结 | 第48-50页 |
| 第5章 分析与讨论 | 第50-53页 |
| 5.1 极限学习机和BP神经网络用于社交焦虑分类的对比 | 第50页 |
| 5.2 脉搏传递时间序列极端数据去除前后的对比 | 第50-51页 |
| 5.3 脉搏传递时间序列与心电RR间期序列的对比 | 第51-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第6章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53-54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士期间研究成果及发表的学术论文 | 第61-62页 |
| 攻读硕士期间参与的研究项目 | 第62页 |
