| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 国内研究现状 | 第10-11页 |
| 1.2.2 国外研究现状 | 第11-13页 |
| 1.3 研究内容及论文框架 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第2章 基本理论 | 第15-22页 |
| 2.1 脑电信号概述 | 第15-16页 |
| 2.2.1 脑电信号的特性研究 | 第15页 |
| 2.2.2 脑电信号的处理方法 | 第15-16页 |
| 2.2 脑电信号分解方法 | 第16-19页 |
| 2.2.1 经验模态分解 | 第16-18页 |
| 2.2.2 整体经验模态分解 | 第18-19页 |
| 2.3 脑电信号分类方法 | 第19-21页 |
| 2.3.1 支持向量机 | 第19-20页 |
| 2.3.2 最小二乘支持向量机 | 第20-21页 |
| 2.3.3 随机森林 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 基于整体经验模态分解的癫痫脑电信号特征提取 | 第22-35页 |
| 3.1 数据来源 | 第22-23页 |
| 3.2 癫痫脑电信号的整体经验模态分解 | 第23-29页 |
| 3.3 癫痫脑电信号特征提取 | 第29-34页 |
| 3.3.1 变异系数 | 第29-30页 |
| 3.3.2 波动指数 | 第30页 |
| 3.3.3 能量熵 | 第30页 |
| 3.3.4 信息熵 | 第30-31页 |
| 3.3.5 特征提取汇总 | 第31-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 癫痫脑电信号分类实证分析 | 第35-40页 |
| 4.1 基于随机森林的癫痫脑电信号分类 | 第35-36页 |
| 4.2 基于最小二乘支持向量机的癫痫脑电信号分类 | 第36-38页 |
| 4.3 不同方法分类结果对比 | 第38-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第5章 总结与展望 | 第40-42页 |
| 5.1 总结 | 第40页 |
| 5.2 展望 | 第40-42页 |
| 致谢 | 第42-43页 |
| 参考文献 | 第43-48页 |
| 附录 | 第48-56页 |
| 作者简介 | 第56-57页 |
| 攻读学位期间研究成果 | 第57页 |