二类任务下脑电波分类技术的研究
| 摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 符号说明 | 第8-9页 |
| 第一章 绪论 | 第9-17页 |
| ·引言 | 第9-10页 |
| ·研究意义 | 第10-11页 |
| ·在医学领域 | 第10-11页 |
| ·在医学以外的其它领域 | 第11页 |
| ·研究现状 | 第11-13页 |
| ·问题提出 | 第13-14页 |
| ·实验设计 | 第14-15页 |
| ·论文研究的主要内容 | 第15-17页 |
| 第二章 支持向量机原理算法 | 第17-29页 |
| ·序言 | 第17-18页 |
| ·SVM简介 | 第18-24页 |
| ·SVM的提出 | 第18-20页 |
| ·SVM分类的数学原理 | 第20-22页 |
| ·基于线性规划的SVM分类 | 第22-24页 |
| ·SVM分类器的几种数学模型 | 第24-27页 |
| ·线性分界面硬间隔 | 第24-25页 |
| ·线性分界面软间隔 | 第25-26页 |
| ·非线性分界面硬间隔 | 第26-27页 |
| ·非线性分界面软间隔 | 第27页 |
| ·小结 | 第27-29页 |
| 第三章 脑电特征提取及分类方法 | 第29-47页 |
| ·脑电信号的产生及其特点 | 第29-30页 |
| ·脑电信号的产生 | 第29页 |
| ·脑电信号的特点 | 第29-30页 |
| ·BCI研究中采用EEG信号的类型 | 第30-34页 |
| ·P300电位 | 第30-31页 |
| ·视觉诱发电位(VEP) | 第31-32页 |
| ·事件相关同步(ERS)或去同步电位(ERD) | 第32-33页 |
| ·皮层慢电位 | 第33页 |
| ·自发脑电信号 | 第33-34页 |
| ·脑电信号特征提取的方法 | 第34-40页 |
| ·EEG分类识别 | 第40-47页 |
| 第四章 脑电信号特征提取及其分类识别结果 | 第47-65页 |
| ·小波分解系数作为特征参量 | 第47-54页 |
| ·小波变换基本原理 | 第47-48页 |
| ·EEG特征的形成及分类过程 | 第48-49页 |
| ·分类结果及其结果分析 | 第49-50页 |
| ·信号趋势提取特征 | 第50-54页 |
| ·共空域子空间分解 | 第54-63页 |
| ·共空域模式(CSP) | 第54-55页 |
| ·共空域模式提取原始脑电信号特征进行分类 | 第55-57页 |
| ·信号趋势分类方法 | 第57-63页 |
| ·批处理程序 | 第63-64页 |
| ·小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-68页 |
| ·主要工作总结 | 第65-66页 |
| ·工作展望 | 第66-68页 |
| 参考文献 | 第68-70页 |
| 致谢 | 第70-71页 |
| 学位论文评阅及答辩情况表 | 第71页 |
