| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 癫痫检测概述 | 第11-16页 |
| 1.1.1 脑电波的介绍 | 第11-13页 |
| 1.1.2 癫痫波的特点 | 第13-14页 |
| 1.1.3 癫痫检测的研究意义 | 第14-15页 |
| 1.1.4 癫痫检测技术应用现状 | 第15-16页 |
| 1.2 癫痫检测主要方法和一般流程 | 第16-17页 |
| 1.2.1 当前癫痫自动检测的主要研究方法 | 第16-17页 |
| 1.2.2 癫痫自动检测的一般流程 | 第17页 |
| 1.3 本文主要研究内容 | 第17-19页 |
| 第二章 小波分析 | 第19-33页 |
| 2.1 脑电信号的频域分析方法 | 第19-21页 |
| 2.1.1 测不准原理 | 第19-20页 |
| 2.1.2 短时傅立叶变换 | 第20-21页 |
| 2.2 小波分析方法 | 第21-26页 |
| 2.2.1 一维连续小波变换 | 第21-25页 |
| 2.2.2 二进正交小波变换 | 第25-26页 |
| 2.3 Mallat算法 | 第26-33页 |
| 2.3.1 多分辨率分析 | 第26-28页 |
| 2.3.2 双尺度方程 | 第28-29页 |
| 2.3.3 Mallat分解和重构 | 第29-33页 |
| 第三章 Boosting算法及性能分析 | 第33-40页 |
| 3.1 Boosting的起源与发展 | 第33页 |
| 3.2 Boosting算法简介 | 第33-35页 |
| 3.3 AdaBoost算法 | 第35-36页 |
| 3.4 Gradient Boosting算法 | 第36-40页 |
| 第四章 癫痫检测的实验与仿真 | 第40-59页 |
| 4.1 实验数据的选择 | 第40-43页 |
| 4.2 多特征在癫痫检测上的应用 | 第43-53页 |
| 4.2.1 相对幅度 | 第43-45页 |
| 4.2.2 相对能量 | 第45-46页 |
| 4.2.3 功率谱密度 | 第46页 |
| 4.2.4 微分方差 | 第46-49页 |
| 4.2.5 缺项 | 第49-51页 |
| 4.2.6 波动指数 | 第51-53页 |
| 4.3 与贝叶斯分类器的对比 | 第53-59页 |
| 4.3.1 贝叶斯分类算法简介 | 第53-54页 |
| 4.3.2 贝叶斯分类器设计 | 第54-55页 |
| 4.3.3 贝叶斯分类器实验结果 | 第55-57页 |
| 4.3.4 Gradient Boosting与贝叶斯分类器对比 | 第57-59页 |
| 全文总结和展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-67页 |
| 附录：本人硕士研究生期间发表论文和参与项目 | 第67-69页 |
| 附表 | 第69页 |