基于稀疏去噪自编码器的癫痫脑电分类
| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第1章 绪论 | 第14-23页 |
| 1.1 研究背景及意义 | 第14-18页 |
| 1.1.1 脑电波 | 第14-15页 |
| 1.1.2 癫痫脑电波 | 第15-17页 |
| 1.1.3 癫痫检测研究意义 | 第17-18页 |
| 1 2 癫痫检测的研究现状 | 第18-19页 |
| 1.3 本文采用的癫痫检测方法 | 第19-21页 |
| 1.4 论文结构安排 | 第21-23页 |
| 第2章 深度神经网络 | 第23-29页 |
| 2.1 发展背景 | 第23-24页 |
| 2.2 神经网络的结构 | 第24-28页 |
| 2.2.1 神经元模型 | 第24-25页 |
| 2.2.2 神经网络模型 | 第25-27页 |
| 2.2.3 深度神经网络 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 基于稀疏去噪自编码器的癫痫脑电分类方法 | 第29-39页 |
| 3.1 预处理 | 第29-30页 |
| 3.1.1 数据分段 | 第29页 |
| 3.1.2 归一化 | 第29-30页 |
| 3.2 稀疏去噪自编码器 | 第30-35页 |
| 3.2.1 自编码器 | 第30-32页 |
| 3.2.2 稀疏自编码器 | 第32-33页 |
| 3.2.3 去噪自编码器 | 第33-35页 |
| 3.2.4 稀疏去噪自编码器 | 第35页 |
| 3.3 罗杰斯特回归分类器 | 第35-37页 |
| 3.4 后处理 | 第37页 |
| 3.5 基于稀疏去噪自编码器的癫痫脑电分类 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 癫痫脑电分类的实验过程与结果 | 第39-46页 |
| 4.1 实验数据 | 第39-40页 |
| 4.1.1 数据库的选择 | 第39-40页 |
| 4.1.2 数据选择方法 | 第40页 |
| 4.2 系统评价标准 | 第40-41页 |
| 4.3 稀疏去噪自编码器的网络结构 | 第41页 |
| 4.4 仿真结果 | 第41-45页 |
| 4.4.1 二分类 | 第42-43页 |
| 4.4.2 三分类 | 第43-44页 |
| 4.4.3 五分类 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 讨论与分析 | 第46-56页 |
| 5.1 二分类问题交叉实验 | 第46-50页 |
| 5.2 网络在不同噪声比的输出特性 | 第50页 |
| 5.3 不同程度的加噪操作与稀疏性约束对比实验 | 第50-52页 |
| 5.4 加噪操作的优势 | 第52-53页 |
| 5.5 稀疏性约束的优势 | 第53-54页 |
| 5.6 与其他方法的比较 | 第54-55页 |
| 5.7 本章小结 | 第55-56页 |
| 第6章 结论与展望 | 第56-58页 |
| 6.1 结论 | 第56页 |
| 6.2 展望 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士研究生期间研究成果 | 第65-66页 |
| 学位论文评阅及答辩情况表 | 第66页 |
