基于推土机距离的长程脑电癫痫自动检测算法
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 符号说明 | 第11-12页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 概述 | 第12页 |
| 1.2 脑电信号概述 | 第12-16页 |
| 1.3 脑电信号自动检测方法及现状 | 第16-17页 |
| 1.4 脑电自动检测流程 | 第17-18页 |
| 1.5 本文的主要工作和结构安排 | 第18-19页 |
| 第二章 小波分析 | 第19-30页 |
| 2.1 脑电信号的频域分析 | 第19-21页 |
| 2.1.1 测不准原理 | 第19-20页 |
| 2.1.2 短时傅里叶变换 | 第20-21页 |
| 2.2 小波分析方法 | 第21-23页 |
| 2.2.1 连续小波变换 | 第21-22页 |
| 2.2.2 离散小波变换 | 第22-23页 |
| 2.3 多分辨率分析 | 第23-25页 |
| 2.4 小波变换在信号分析上的优势 | 第25-27页 |
| 2.5 小波变换在脑电信号分析中的应用 | 第27-30页 |
| 第三章 脑电信号特征分析 | 第30-37页 |
| 3.1 基本概念 | 第30-32页 |
| 3.1.1 特征的特点及类别 | 第30-31页 |
| 3.1.2 特征的形成 | 第31页 |
| 3.1.3 特征提取及选择的作用 | 第31-32页 |
| 3.2 推土机距离 | 第32-34页 |
| 3.2.1 EMD | 第32-33页 |
| 3.2.2 直方图间的EMD | 第33-34页 |
| 3.3 一种改进的推土机距离-EMD-L1 | 第34-36页 |
| 3.4 EMD与EMD-L1对比 | 第36-37页 |
| 第四章 脑电信号的分类方法 | 第37-48页 |
| 4.1 线性判别分析 | 第37-40页 |
| 4.1.1 Fisher线性判别分析 | 第37-38页 |
| 4.1.2 贝叶斯线性判别分析 | 第38-40页 |
| 4.2 支持向量机 | 第40-48页 |
| 4.2.1 概述 | 第40-41页 |
| 4.2.2 最优分类超平面与线性支持向量机 | 第41-44页 |
| 4.2.3 非线性支持向量机 | 第44-48页 |
| 第五章 基于EMD-L1与SVM的癫痫检测 | 第48-54页 |
| 5.1 数据来源 | 第48-49页 |
| 5.2 特征提取方法 | 第49-50页 |
| 5.3 训练数据和测试数据 | 第50页 |
| 5.4 后处理 | 第50-51页 |
| 5.5 实验结果 | 第51-52页 |
| 5.6 讨论 | 第52-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 结论 | 第54-55页 |
| 6.2 展望 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 附录：本人硕士研究生期间发表论文和参与项目 | 第62-63页 |
| 学位论文评阅及答辩情况表 | 第63页 |
