眼动信号的提取与分类识别研究
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第1章 绪论 | 第9-14页 |
| ·课题研究背景 | 第9-10页 |
| ·课题研究的意义与目的 | 第10-11页 |
| ·眼动信号研究现状 | 第11-12页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12页 |
| ·本文结构安排 | 第12-14页 |
| 第2章 眼动信号概述 | 第14-24页 |
| ·眼动信号的发现 | 第14页 |
| ·眼动信号产生机理 | 第14-16页 |
| ·眼球运动的分类 | 第16-18页 |
| ·平稳跟踪眼动 | 第16-17页 |
| ·扫视运动 | 第17页 |
| ·辐辏运动 | 第17页 |
| ·前庭眼反射运动 | 第17页 |
| ·眨眼运动 | 第17-18页 |
| ·眼动信号的研究方法 | 第18-23页 |
| ·特征提取的方法 | 第18-22页 |
| ·时域分析法 | 第18-19页 |
| ·频域分析方法 | 第19-21页 |
| ·时频域分析方法 | 第21-22页 |
| ·非线性分析方法 | 第22页 |
| ·模式识别的方法 | 第22-23页 |
| ·统计模式识别 | 第22-23页 |
| ·句法模式识别 | 第23页 |
| ·模板匹配模式识别 | 第23页 |
| ·人工神经网络模式识别 | 第23页 |
| ·本章总结 | 第23-24页 |
| 第3章 眼动信号采集 | 第24-32页 |
| ·采集设备介绍 | 第24-25页 |
| ·硬件系统 | 第24页 |
| ·软件系统 | 第24-25页 |
| ·眼动信号的采集 | 第25-28页 |
| ·眼动信号的采集方法 | 第25-27页 |
| ·电极的选择 | 第27页 |
| ·导联方式的选择 | 第27-28页 |
| ·实验方案设计 | 第28-31页 |
| ·实验设计 | 第28-31页 |
| ·实验注意事项 | 第31页 |
| ·本章总结 | 第31-32页 |
| 第4章 有效信号及特征值提取 | 第32-44页 |
| ·眼动信号的预处理 | 第32-34页 |
| ·软件滤波 | 第32-34页 |
| ·归一化处理 | 第34页 |
| ·提取有效眼动信号 | 第34-41页 |
| ·眼动信号的分帧和加窗 | 第34-37页 |
| ·计算眼动信号的短时能量 | 第37-38页 |
| ·端点检测 | 第38-40页 |
| ·提取有效信号 | 第40-41页 |
| ·眼动信号的特征提取 | 第41-43页 |
| ·基于波形变化的特征值提取 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 眼动信号的模式识别研究 | 第44-68页 |
| ·基于BP算法的眼动信号分类 | 第44-52页 |
| ·人工神经网络模型 | 第44-46页 |
| ·BP神经网络 | 第46-47页 |
| ·BP神经网络学习算法 | 第47-49页 |
| ·BP算法的实现 | 第49-51页 |
| ·各层神经元数目的确定 | 第50-51页 |
| ·权值和阈值的确定 | 第51页 |
| ·实验结果分析 | 第51-52页 |
| ·基于SVM算法的眼动信号分类 | 第52-59页 |
| ·SVM算法基本原理 | 第52-56页 |
| ·线性支持向量机 | 第52-55页 |
| ·非线性支持向量机 | 第55-56页 |
| ·实验结果分析 | 第56-59页 |
| ·基于DTW算法的眼动信号分类 | 第59-67页 |
| ·DTW算法基本原理 | 第59-62页 |
| ·DTW算法实现 | 第62-63页 |
| ·实验结果分析 | 第63-67页 |
| ·本章总结 | 第67-68页 |
| 第6章 总结与展望 | 第68-70页 |
| ·本文工作总结 | 第68-69页 |
| ·未来工作展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读学位期间取得的研究成果 | 第74-75页 |
| 致谢 | 第75页 |
