基于偏最小二乘特征的鸽子运动转向解码研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-13页 |
| 1.1.1 脑机接口概述 | 第10-11页 |
| 1.1.2 神经信号采集 | 第11-12页 |
| 1.1.3 神经解码 | 第12-13页 |
| 1.2 研究现状 | 第13-16页 |
| 1.3 研究目标 | 第16页 |
| 1.4 研究内容 | 第16-18页 |
| 2 信号采集与预处理 | 第18-24页 |
| 2.1 实验设计 | 第18-20页 |
| 2.2 信号采集 | 第20-21页 |
| 2.3 信号预处理 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 NCL区神经元集群信号特征提取 | 第24-34页 |
| 3.1 偏最小二乘算法原理 | 第24-27页 |
| 3.1.1 偏最小二乘回归算法 | 第24-26页 |
| 3.1.2 偏最小二乘特征提取 | 第26-27页 |
| 3.2 神经元集群相关性分析 | 第27-30页 |
| 3.3 神经元集群信号特征提取 | 第30-33页 |
| 3.3.1 偏最小二乘特征提取结果 | 第30-32页 |
| 3.3.2 不同特征提取方法结果对比 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 4 鸽子运动转向解码及结果分析 | 第34-48页 |
| 4.1 常用分类模型 | 第34-40页 |
| 4.1.1 K-最近邻 | 第34-36页 |
| 4.1.2 线性判别分析 | 第36-38页 |
| 4.1.3 支持向量机 | 第38-40页 |
| 4.2 不同分类模型解码结果 | 第40-44页 |
| 4.2.1 K-最近邻分类 | 第40-41页 |
| 4.2.2 线性判别分析分类 | 第41-42页 |
| 4.2.3 支持向量机分类 | 第42-44页 |
| 4.3 不同分类模型结果对比分析 | 第44-47页 |
| 4.4 本章小结 | 第47-48页 |
| 5 总结与展望 | 第48-52页 |
| 5.1 工作总结 | 第48-50页 |
| 5.2 研究展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 个人简历、在学校期间发表的学术论文及参与的项目 | 第57页 |
