| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 脑电图去伪迹的相关研究和研究价值 | 第11-12页 |
| 1.3 脑电图情绪分类的相关研究和研究价值 | 第12-14页 |
| 1.4 脑电图去伪迹和情绪分类的研究意义和研究方向 | 第14页 |
| 1.5 论文的研究内容和组织结构 | 第14-15页 |
| 1.6 本章小结 | 第15-16页 |
| 第二章 脑电图去伪迹和情绪分类的常用方法 | 第16-25页 |
| 2.1 脑电图基础知识 | 第16-18页 |
| 2.1.1 脑电图的采集 | 第16页 |
| 2.1.2 脑电图频谱知识 | 第16-17页 |
| 2.1.3 脑电图伪迹 | 第17-18页 |
| 2.2 脑电图伪迹去除的常用方法 | 第18-21页 |
| 2.2.1 中心化和白化 | 第18-19页 |
| 2.2.2 小波包分解和阈值滤波 | 第19-20页 |
| 2.2.3 独立成分分析 | 第20-21页 |
| 2.3 基于脑电图的情绪分类常用方法 | 第21-24页 |
| 2.3.1 逻辑回归模型 | 第21页 |
| 2.3.2 支持向量机模型 | 第21-22页 |
| 2.3.3 人工神经网络 | 第22-23页 |
| 2.3.4 受限玻尔兹曼机 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 WpdAI-ICA去伪迹算法及其在恐惧情绪分析中的应用 | 第25-43页 |
| 3.1 引言 | 第25-26页 |
| 3.2 脑电波与伪迹成分的提取 | 第26-28页 |
| 3.2.1 脑电波提取 | 第26-27页 |
| 3.2.2 伪迹成分提取与滤除 | 第27-28页 |
| 3.3 伪迹频段信息提取和WpdAI-ICA算法流程 | 第28-29页 |
| 3.4 恐惧情绪分析 | 第29-30页 |
| 3.5 实验设计 | 第30-32页 |
| 3.5.1 VR过山车场景脑电图数据库 | 第30-32页 |
| 3.5.2 实验方案 | 第32页 |
| 3.6 实验结果与分析 | 第32-41页 |
| 3.6.1 实验一：伪迹频段信息提取和去伪迹实验 | 第32-37页 |
| 3.6.2 实验二：恐惧情绪分析实验 | 第37-41页 |
| 3.7 本章小结 | 第41-43页 |
| 第四章 情绪碎片和EP-DBN情绪分类算法 | 第43-58页 |
| 4.1 引言 | 第43页 |
| 4.2 EP-DBN算法原理 | 第43-50页 |
| 4.2.1 深度置信网络 | 第43-45页 |
| 4.2.2 脑电图特征提取 | 第45页 |
| 4.2.3 情绪碎片 | 第45-46页 |
| 4.2.4 EP-DBN结构和算法流程 | 第46-50页 |
| 4.3 实验设计 | 第50-51页 |
| 4.3.1 实验数据库 | 第50页 |
| 4.3.2 数据库预处理 | 第50-51页 |
| 4.3.3 实验方案 | 第51页 |
| 4.4 实验结果与分析 | 第51-56页 |
| 4.4.1 实验一：情绪碎片构建和分析实验 | 第51-54页 |
| 4.4.2 实验二：情绪分类对比实验 | 第54-56页 |
| 4.5 本章小结 | 第56-58页 |
| 总结与展望 | 第58-60页 |
| 参考文献 | 第60-67页 |
| 攻读硕士学位期间取得的研究成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 附件 | 第69页 |
