| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-12页 |
| ·引言 | 第7-8页 |
| ·脑电信号计算机分析方法和研究现状 | 第8-10页 |
| ·传统的脑电分析方法研究进展现状 | 第8页 |
| ·非线性动力学脑电时间序列分析方法的研究进展现状 | 第8-10页 |
| ·论文的目的和意义 | 第10页 |
| ·论文的主要研究内容及创新点 | 第10-12页 |
| ·论文的主要内容 | 第10-11页 |
| ·论文的创新点 | 第11-12页 |
| 第2章 基于非线性动力学理论的脑电动力学特性研究 | 第12-24页 |
| ·混沌动力学系统的特征 | 第12-14页 |
| ·混沌的特征 | 第12-13页 |
| ·混沌动力学系统 | 第13页 |
| ·时空混沌 | 第13-14页 |
| ·混沌动力学系统的定量描述 | 第14页 |
| ·相空间重构 | 第14-16页 |
| ·嵌入理论 | 第15-16页 |
| ·延迟坐标嵌入相空间重构 | 第16页 |
| ·延迟时间τ的选取 | 第16-19页 |
| ·互信息的递归算法 | 第17-18页 |
| ·延迟时间τ的仿真计算 | 第18-19页 |
| ·最小嵌入维数m 的选取 | 第19-23页 |
| ·Cao方法计算最小嵌入维数m | 第19-22页 |
| ·最小嵌入维的仿真结果 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 归一化径向基函数神经网络及其优化算法 | 第24-34页 |
| ·径向基函数神经网络 | 第24-25页 |
| ·归一化径向基函数神经网络 | 第25-26页 |
| ·遗传算法原理及其归一化径向基函数神经网络的优化 | 第26-30页 |
| ·遗传算法的基本概念和基本步骤 | 第26-29页 |
| ·基于遗传算法的归一化径向基函数网络参数优化 | 第29-30页 |
| ·Lorenz混沌时间序列的GA-NRBF网络的仿真实验 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 HMM 和归一化 RBF 网络混合模型及其仿真实验 | 第34-48页 |
| ·单个归一化径向基函数神经网络模型 | 第34-36页 |
| ·HMM和归一化径向基函数神经网络混合模型的构造 | 第36-40页 |
| ·隐马尔可夫模型 | 第36-37页 |
| ·隐马尔可夫模型的训练 | 第37-40页 |
| ·混合网络模型的数学表示 | 第40-42页 |
| ·HMM-NRBFNN混合网络模型的构造及优化流程图 | 第42页 |
| ·混沌信号模拟仿真实验结果及讨论 | 第42-47页 |
| ·参数变化的Lorenz时间序列的仿真实验 | 第43-45页 |
| ·耦合映象格子的仿真实验 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 基于HMM和归一化径向基函数神经网络混合模型的脑电信号建模与分析 | 第48-56页 |
| ·脑电数据的采集和预处理 | 第48-49页 |
| ·脑电数据的采集 | 第48-49页 |
| ·脑电数据的预处理 | 第49页 |
| ·真实脑电的仿真实验 | 第49-54页 |
| ·正常脑电和癫痫脑电信号分类的仿真实验 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第6章 总结和展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间发表的论文 | 第63-64页 |
| 本人简历 | 第64页 |
