| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文的主要工作 | 第15-16页 |
| 1.4 论文整体结构 | 第16-17页 |
| 第二章 复杂网络理论 | 第17-31页 |
| 2.1 复杂网络的属性 | 第17-20页 |
| 2.1.1 节点的度和度分布 | 第17-18页 |
| 2.1.2 节点中心度 | 第18页 |
| 2.1.3 聚类系数 | 第18-19页 |
| 2.1.4 相关系数 | 第19-20页 |
| 2.2 复杂网络的模块结构以及社团划分算法 | 第20-25页 |
| 2.2.1 复杂网络的模块结构 | 第20-21页 |
| 2.2.2 模块度 | 第21-22页 |
| 2.2.3 社团划分算法 | 第22页 |
| 2.2.4 蚁群聚类算法 | 第22-25页 |
| 2.3 基于fMRI脑功能网络分析一般方法 | 第25-31页 |
| 2.3.1 数据预处理 | 第26-27页 |
| 2.3.2 脑功能网络构建 | 第27-31页 |
| 第三章 改进的ICA算法预处理去噪研究 | 第31-43页 |
| 3.1 ICA算法的研究背景 | 第31页 |
| 3.2 ICA原理 | 第31-32页 |
| 3.3 FastICA算法 | 第32-33页 |
| 3.4 改进的FastICA算法 | 第33页 |
| 3.5 fMRI数据中的仿真应用 | 第33-40页 |
| 3.6 Matlab仿真实验结果分析讨论 | 第40页 |
| 3.7 本章小结 | 第40-43页 |
| 第四章 基于SVD的静息态fMRI脑功能网络构建研究 | 第43-55页 |
| 4.1 研究背景 | 第43页 |
| 4.2 构建方法 | 第43-54页 |
| 4.2.1 定义网络节点 | 第43页 |
| 4.2.2 实验数据来源和数据预处理 | 第43-46页 |
| 4.2.3 SVD降噪 | 第46-48页 |
| 4.2.4 脑功能网络构建 | 第48-54页 |
| 4.3 本章小结 | 第54-55页 |
| 第五章 基于蚁群聚类算法的脑网络社团分析研究 | 第55-65页 |
| 5.1 数据来源 | 第55-56页 |
| 5.1.1 扫描序列 | 第55页 |
| 5.1.2 实验刺激任务 | 第55-56页 |
| 5.2 实验数据原始预处理 | 第56页 |
| 5.3 脑功能网络的构建 | 第56-59页 |
| 5.3.1 SVD去噪 | 第57-58页 |
| 5.3.2 脑功能网络构建 | 第58-59页 |
| 5.4 脑功能网络的社区划分 | 第59-62页 |
| 5.5 脑网络功能社区划分结果分析 | 第62-63页 |
| 5.6 本章小结 | 第63-65页 |
| 第六章 结论 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 附录A(攻读学位其间获得的成果) | 第73-75页 |
| 附录B(攻读硕士期间参与的项目) | 第75页 |