脑电双谱分析与特征分类识别
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·引言 | 第7-8页 |
| ·脑电信号的研究 | 第8-11页 |
| ·脑电信号特征 | 第8-9页 |
| ·脑电研究方法 | 第9-10页 |
| ·高阶谱的特性 | 第10-11页 |
| ·本文内容结构安排 | 第11-13页 |
| 第二章 实验数据采集和预处理 | 第13-19页 |
| ·实验过程 | 第13-16页 |
| ·实验内容和要求 | 第13-14页 |
| ·不同状态下的实验 | 第14-16页 |
| ·脑电信号的预处理 | 第16-19页 |
| ·滤波器的选择 | 第17页 |
| ·滤波和降采样 | 第17-19页 |
| 第三章 双谱和双谱切片 | 第19-35页 |
| ·双谱的性质 | 第19-23页 |
| ·双谱的定义 | 第19-20页 |
| ·双谱的特性 | 第20-21页 |
| ·双谱估计算法 | 第21-23页 |
| ·双谱参数的影响 | 第23-27页 |
| ·总采样数参数的影响 | 第23-24页 |
| ·nfft点数和双谱特性的相关性 | 第24-26页 |
| ·样本数 sampseg 的参数分析 | 第26-27页 |
| ·双谱与非线性相位耦合 | 第27-31页 |
| ·非线性耦合性质 | 第27-30页 |
| ·谐波信号的双谱特性 | 第30-31页 |
| ·双谱的切片特性 | 第31-35页 |
| 第四章 三种分类器和互信息 | 第35-43页 |
| ·SVM分类器 | 第35-38页 |
| ·SVM的基本思想 | 第35-37页 |
| ·线性核函数 | 第37-38页 |
| ·SVM的应用 | 第38页 |
| ·KNN分类 | 第38-39页 |
| ·K最近邻估算法 | 第38-39页 |
| ·KNN法的不足和改进 | 第39页 |
| ·PNN分类器 | 第39-41页 |
| ·PNN网络结构图 | 第40页 |
| ·PNN的特点与应用 | 第40-41页 |
| ·互信息 | 第41-43页 |
| ·互信息概念和定义 | 第41-42页 |
| ·互信息的性质和应用 | 第42-43页 |
| 第五章 脑电双谱特征和分类识别 | 第43-59页 |
| ·脑电不同实验的双谱特征 | 第43-45页 |
| ·不同实验状态下的双谱图 | 第43-45页 |
| ·脑电双谱切片的特征值 | 第45页 |
| ·特征值的分类比较 | 第45-50页 |
| ·SVM分类效果图 | 第45-48页 |
| ·PNN分类效果图 | 第48-49页 |
| ·KNN分类效果图 | 第49页 |
| ·三种分类器效果比较 | 第49-50页 |
| ·不同电极切片谱分类识别 | 第50-53页 |
| ·切片特征的提取 | 第50-52页 |
| ·不同电极切片差异性分类对比 | 第52-53页 |
| ·注意力情况的脑电特征分类 | 第53-59页 |
| ·功率谱特征值求取 | 第53-55页 |
| ·特征值分类法对比 | 第55-59页 |
| 第六章 总结和展望 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 在校期间科研成果 | 第67-68页 |
