基于内部组成对齐和Kendall的职业紧张脑电分析
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 紧张和职业紧张概念 | 第8页 |
| 1.2 职业紧张研究现状 | 第8-10页 |
| 1.3 职业紧张研究意义 | 第10-11页 |
| 1.4 论文结构及内容安排 | 第11-13页 |
| 第二章 EEG与脑网络 | 第13-21页 |
| 2.1 复杂网络 | 第13-15页 |
| 2.2 脑电信号基础知识 | 第15-18页 |
| 2.2.1 EEG概念 | 第15-17页 |
| 2.2.2 EEG的采集 | 第17-18页 |
| 2.2.3 EEG预处理 | 第18页 |
| 2.3 脑网络构建 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 基于IOTA的脑网络构建与分析 | 第21-40页 |
| 3.1 内部组成对齐算法 | 第21-22页 |
| 3.2 数据介绍 | 第22-23页 |
| 3.2.1 数据来源 | 第22-23页 |
| 3.2.2 数据预处理 | 第23页 |
| 3.3 脑网络构建 | 第23-24页 |
| 3.4 实验结果分析 | 第24-27页 |
| 3.5 差异性检验 | 第27-30页 |
| 3.6 脑电节律信号 | 第30-38页 |
| 3.6.1 节律信号特征与划分 | 第30-31页 |
| 3.6.2 基于节律信号的仿真结果分析 | 第31-38页 |
| 3.7 本章小结 | 第38-40页 |
| 第四章 基于Kendall的职业紧张分析 | 第40-51页 |
| 4.1 Kendall等级相关算法 | 第40-41页 |
| 4.2 数据介绍 | 第41-42页 |
| 4.3 脑网络构建 | 第42页 |
| 4.4 实验结果分析 | 第42-46页 |
| 4.4.1 Kendall系数 | 第43-44页 |
| 4.4.2 平均度 | 第44页 |
| 4.4.3 聚类系数 | 第44-46页 |
| 4.5 节律信号的实验结果分析 | 第46-50页 |
| 4.5.1 Kendall系数 | 第46-48页 |
| 4.5.2 脑网络拓扑属性分析 | 第48-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第五章 基于Android的系统开发实现 | 第51-58页 |
| 5.1 Android相关知识简介 | 第51-52页 |
| 5.2 应用软件开发 | 第52-57页 |
| 5.3 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第63-64页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第64-65页 |
| 致谢 | 第65页 |
