多类运动想象脑电模式识别及其在电动轮椅控制上的应用
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-18页 |
| ·课题研究背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·脑-机接口技术中尚待解决的主要问题 | 第15-16页 |
| ·研究内容与论文结构 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第2章 脑电信号的特点与采集 | 第18-22页 |
| ·脑电信号的特点 | 第18-20页 |
| ·脑电信号的产生机理 | 第18页 |
| ·脑电信号分类 | 第18-19页 |
| ·脑电信号的特点 | 第19-20页 |
| ·国际标准电极放置 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 脑电信号的预处理 | 第22-28页 |
| ·基于OGWE算法的脑电信号预处理 | 第22-25页 |
| ·盲源分离的基本原理 | 第22-23页 |
| ·优化的广义权重估计 | 第23-25页 |
| ·实验结果与分析 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第4章 脑电信号的特征提取 | 第28-41页 |
| ·特征提取背景 | 第28-29页 |
| ·基于DTCWT - CSP的脑电信号特征提取 | 第29-35页 |
| ·双树复小波 | 第29-30页 |
| ·共空间模式 | 第30-32页 |
| ·DTCWT-CSP特征提取 | 第32-33页 |
| ·实验结果与分析 | 第33-35页 |
| ·基于邻接矩阵分解的脑电信号特征提取 | 第35-40页 |
| ·脑功能网络 | 第35-36页 |
| ·基于EEG数据的脑功能网络构建 | 第36-37页 |
| ·基于邻接矩阵分解的特征提取 | 第37-38页 |
| ·实验结果与分析 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第5章 脑电信号的模式分类 | 第41-51页 |
| ·常用的模式分类方法 | 第41-42页 |
| ·基于DA主轴动态核聚类的模式分类 | 第42-45页 |
| ·聚类分析 | 第42页 |
| ·主轴核聚类 | 第42-43页 |
| ·深度自编码降维方法 | 第43-44页 |
| ·基于DA主轴动态核聚类的模式分类 | 第44页 |
| ·实验结果与分析 | 第44-45页 |
| ·基于多核学习支持向量机的多任务分类方法 | 第45-49页 |
| ·支持向量机 | 第45-46页 |
| ·多核学习支持向量机 | 第46-48页 |
| ·多核学习支持向量机的多任务分类 | 第48-49页 |
| ·实验结果与分析 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第6章 基于运动想象EEG的电动轮椅控制实验 | 第51-60页 |
| ·电动轮椅控制实验 | 第51-52页 |
| ·实验方案的设计 | 第52-53页 |
| ·脑电信号采集 | 第53-54页 |
| ·脑电信号预处理 | 第54-55页 |
| ·特征提取 | 第55-58页 |
| ·模式分类 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第7章 总结与展望 | 第60-62页 |
| ·本文工作总结 | 第60-61页 |
| ·研究展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录 | 第67页 |
