| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题的背景及研究目的和意义 | 第11页 |
| 1.2 课题国内外研究进展综述 | 第11-17页 |
| 1.2.1 BCI系统国内外发展现状 | 第11-14页 |
| 1.2.2 EEG信号处理方法国内外研究进展 | 第14-16页 |
| 1.2.3 国内外发展现状简析 | 第16-17页 |
| 1.3 本文的主要研究内容及技术路线 | 第17-19页 |
| 第2章 脑电信号采集系统及预处理方法 | 第19-26页 |
| 2.1 脑电信号的基础知识 | 第19-21页 |
| 2.2 数据集介绍 | 第21-24页 |
| 2.2.1 数据集1 | 第21-22页 |
| 2.2.2 数据集2 | 第22-23页 |
| 2.2.3 数据集3 | 第23-24页 |
| 2.3 脑电信号预处理方法 | 第24-25页 |
| 2.3.1 共平均参考 | 第24-25页 |
| 2.3.2 Butterworth带通滤波器 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 运动想象EEG信号特征提取 | 第26-38页 |
| 3.1 基于AF-CSP方法的特征提取研究 | 第26-29页 |
| 3.1.1 经验模态分解 | 第26-28页 |
| 3.1.2 共空间模式 | 第28-29页 |
| 3.1.3 基于AF-CSP的EEG信号特征提取 | 第29页 |
| 3.2 基于SJ-GDA方法的特征提取研究 | 第29-37页 |
| 3.2.1 黎曼流形 | 第30-31页 |
| 3.2.2 半监督联合互信息 | 第31-34页 |
| 3.2.3 广义判别分析 | 第34-35页 |
| 3.2.4 基于SJ-GDA的EEG信号特征提取 | 第35-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第4章 运动想象分类器研究 | 第38-60页 |
| 4.1 基于NSGA-Ⅱ和TWSVM的分类方法研究 | 第38-50页 |
| 4.1.1 孪生支持向量机 | 第38-42页 |
| 4.1.2 基于NSGA-Ⅱ的TWSVM参数优化 | 第42-44页 |
| 4.1.3 基于AF-CSP和TWSVM的分类结果 | 第44-50页 |
| 4.2 基于决策树框架的分类方法研究 | 第50-59页 |
| 4.2.1 决策树框架 | 第50-51页 |
| 4.2.2 基于DT和FGMDRM的分类方法 | 第51-53页 |
| 4.2.3 基于DT-FGMDRM的分类结果分析 | 第53-54页 |
| 4.2.4 基于DT-KNN的分类方法 | 第54-55页 |
| 4.2.5 基于SJ-GDA和DT-KNN的识别结果分析 | 第55-59页 |
| 4.3 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-71页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第71-72页 |
| 致谢 | 第72页 |
