首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于脑网络测度的注意力脑电分级研究

摘要第4-5页
Abstract第5-6页
1 绪论第12-16页
    1.1 注意力的研究背景与意义第12页
    1.2 注意力的研究现状第12-14页
    1.3 注意力的脑网络研究现状第14页
    1.4 研究内容第14-16页
2 注意力脑电实验范式设计第16-20页
    2.1 数据采集系统与选择第16-17页
    2.2 实验范式设计第17-18页
    2.3 注意力脑电信号的预处理第18-19页
    2.4 本章小结第19-20页
3 分级注意力脑电的非线性动力学分析第20-32页
    3.1 注意力的复杂度第20-21页
    3.2 基于近似熵的注意力脑电分析第21-26页
        3.2.1 注意力脑电的近似熵算法第21-22页
        3.2.2 注意力脑电的近似熵特征分析第22-26页
    3.3 基于样本熵的注意力脑电分析第26-31页
        3.3.1 注意力脑电的样本熵算法第26-28页
        3.3.2 注意力脑电的样本熵特征分析第28-31页
    3.4 本章小结第31-32页
4 分级注意力脑电的脑网络测度第32-56页
    4.1 脑网络第32-36页
        4.1.1 脑网络类型第32-33页
        4.1.2 功能脑网络构建第33-36页
    4.2 脑网络的基本测度第36-37页
    4.3 基于相干系数的注意力功能网络分析第37-46页
        4.3.1 基于相干系数的注意力功能网络构建第37-38页
        4.3.2 基于相干系数的注意力脑网络特征分析第38-46页
    4.4 基于相位锁相值的注意力功能网络分析第46-55页
        4.4.1 基于相位锁相值的注意力功能网络构建第46-47页
        4.4.2 基于相位锁相值的注意力脑网络特征分析第47-55页
    4.5 本章小结第55-56页
5 注意力脑电分级第56-61页
    5.1 注意力脑电的分类算法实现第56-57页
    5.2 分类识别结果与讨论第57-60页
        5.2.1 两级分类结果与讨论第57-59页
        5.2.2 多级分类结果与讨论第59-60页
    5.3 本章小结第60-61页
6 总结与展望第61-63页
    6.1 总结第61-62页
    6.2 展望第62-63页
参考文献第63-68页
个人简历、在学校期间发表的学术论文与研究成果第68-69页
致谢第69页

论文共69页,点击 下载论文
上一篇:基于SOA的直播互动平台的设计与实现
下一篇:基于彩色和深度视频的人体动作识别研究