神经元锋电位检测与分类算法的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景 | 第11-12页 |
| 1.2 锋电位概述 | 第12-14页 |
| 1.3 锋电位分类技术研究现状 | 第14-15页 |
| 1.4 锋电位分类的问题和挑战 | 第15-17页 |
| 1.4.1 低信噪比 | 第15-16页 |
| 1.4.2 爆发式神经元 | 第16页 |
| 1.4.3 记录电极的漂移 | 第16-17页 |
| 1.4.4 重叠的锋电位 | 第17页 |
| 1.5 本文主要工作与结构 | 第17-19页 |
| 第2章 神经元锋电位分类方法的研究 | 第19-27页 |
| 2.1 锋电位检测与分类流程 | 第19页 |
| 2.2 锋电位检测方法 | 第19-20页 |
| 2.3 锋电位特征提取 | 第20-23页 |
| 2.3.1 形状特征方法 | 第20-21页 |
| 2.3.2 主成分分析方法 | 第21-22页 |
| 2.3.3 小波变换方法 | 第22-23页 |
| 2.4 锋电位聚类方法 | 第23-26页 |
| 2.4.1 K-均值聚类算法 | 第23-24页 |
| 2.4.2 支持向量机 | 第24-25页 |
| 2.4.2.1 线性支持向量机 | 第24-25页 |
| 2.4.2.2 非线性支持向量机 | 第25页 |
| 2.4.3 超顺磁聚类 | 第25-26页 |
| 2.5 基于字典学习与模糊聚类的方法 | 第26-27页 |
| 第3章 锋电位检测算法 | 第27-31页 |
| 3.1 检测方法基本思想 | 第27-28页 |
| 3.1.1 非线性能量算子 | 第27页 |
| 3.1.2 窗口检测法 | 第27-28页 |
| 3.2 基于能量算子二次检测算法设计 | 第28页 |
| 3.3 实验及分析 | 第28-30页 |
| 3.3.1 低信噪比 | 第29页 |
| 3.3.2 重叠锋电位 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 基于字典学习的特征提取方法 | 第31-42页 |
| 4.1 字典学习 | 第31-33页 |
| 4.1.1 原理介绍 | 第31-32页 |
| 4.1.2 K-SVD | 第32-33页 |
| 4.2 基于深层字典学习的特征提取算法 | 第33-38页 |
| 4.2.1 深度结构 | 第34-35页 |
| 4.2.2 深层字典算法 | 第35-38页 |
| 4.3 特征比较方法 | 第38页 |
| 4.4 实验结果及分析 | 第38-41页 |
| 4.4.1 模拟数据集 | 第38-39页 |
| 4.4.2 实验分析 | 第39-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第5章 基于模糊聚类分析的锋电位分类方法 | 第42-53页 |
| 5.1 模糊聚类方法 | 第42-44页 |
| 5.1.1 模糊C均值算法 | 第42-43页 |
| 5.1.2 可能性C模糊聚类 | 第43-44页 |
| 5.2 针对重叠锋电位的模糊聚类方法 | 第44-47页 |
| 5.2.1 样本密度 | 第44-45页 |
| 5.2.2 基于密度的重叠锋电位聚类 | 第45-47页 |
| 5.3 实验及结果分析 | 第47-51页 |
| 5.3.1 仿真数据集实验 | 第47-51页 |
| 5.3.2 真实生物数据实验 | 第51页 |
| 5.4 本章小结 | 第51-53页 |
| 第6章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53页 |
| 6.2 研究展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 附录 | 第60页 |
