首页--医药、卫生论文--基础医学论文--医用一般科学论文--其他科学技术在医学上的应用论文

基于SVM的BCI系统中P300信号识别技术研究

中文摘要第1-3页
ABSTRACT第3-6页
第一章 绪论第6-14页
   ·脑电研究的历史回顾第6-8页
     ·脑电的发现第6-7页
     ·脑电的分类第7-8页
   ·诱发电位及其产生机制假设第8页
   ·事件相关电位 P300第8-9页
   ·P300 信号在BCI 系统中的应用第9-12页
     ·BCI 系统的介绍第9-10页
     ·BCI 系统中的控制信号第10-11页
     ·P300 信号在 BCI 系统中的使用第11-12页
   ·P300 信号的常用分析方法第12页
   ·本课题的研究方法介绍第12-14页
第二章 脑电信号中P300 的特征提取第14-25页
   ·脑电信号与 P300 信号的特点第14-15页
   ·相干平均技术第15-18页
   ·主分量分析第18-20页
     ·主分量分析的原理第18-19页
     ·主分量的计算方法第19-20页
   ·独立分量分析第20-22页
     ·ICA 在脑电逆问题中的结构模型第20-21页
     ·ICA 问题的先验知识第21-22页
     ·ICA 中的不确定性第22页
     ·ICA 中的独立判据第22页
   ·时频分析在P300 特征提取中的应用第22-24页
     ·利用正弦小波(Sinusoidal Wavelet)作时频分析第23页
     ·ERSP 与 ITC 参数的定义第23-24页
   ·P300 特征的组成形式第24-25页
第三章 P300 特征分类技术的原理介绍第25-46页
   ·P300 的分类特点与对学习器的要求第25-26页
     ·脑电信号分类的性能评价准则第25页
     ·脑电信号分类存在的主要问题和未来发展方向第25-26页
   ·线性分类感知器第26-29页
     ·线性感知器的数学描述第26-27页
     ·线性感知器的实现方法第27-29页
   ·人工神经网络技术第29-33页
     ·人工神经元模型第29-31页
     ·多层前向神经网络第31页
     ·神经网络的 BP 学习算法第31-33页
   ·统计学习理论与支持向量机第33-45页
     ·统计学习理论(Statistical Learning Theory,SLT)第35-39页
     ·最优超平面第39-42页
     ·核函数特征空间第42-45页
   ·各个方法在 P300 特征分类上的优劣第45-46页
第四章 实验方法与结果第46-59页
   ·P300 信号的采集方法与数据格式第46-47页
   ·传统方法第47-48页
   ·本文所采用的数据分析处理方法第48-59页
     ·P300 信号的滤噪处理第48页
     ·P300 信号的分析与特征提取第48-55页
     ·利用神经网络与 SVM 分类第55-59页
第五章 总结与展望第59-61页
   ·本文研究工作总结第59-60页
   ·展望第60-61页
参考文献第61-64页
发表论文和参加科研情况说明第64-65页
致谢第65页

论文共65页,点击 下载论文
上一篇:人眼睫状体在调节中形态位置变化及其与近视眼关系的研究
下一篇:多焦视网膜电图评价近视的视网膜功能