多尺度熵算法及其在情感脑电识别中的应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 国外现状 | 第11-12页 |
| 1.2.2 国内现状 | 第12页 |
| 1.3 本文研究目的及主要工作 | 第12-14页 |
| 第2章 脑电和情感的相关知识 | 第14-20页 |
| 2.1 脑电的相关背景知识 | 第14-17页 |
| 2.1.1 脑的结构与功能分区 | 第14-15页 |
| 2.1.2 脑电的产生与采集 | 第15页 |
| 2.1.3 脑电信号分析方法 | 第15-17页 |
| 2.2 情感的相关背景知识 | 第17-19页 |
| 2.2.1 情感的生理基础 | 第17-18页 |
| 2.2.2 常用情感模型 | 第18页 |
| 2.2.3 情感的诱发 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第3章 基于多尺度熵的分析方法 | 第20-33页 |
| 3.1 熵算法 | 第20-26页 |
| 3.1.1 近似熵 | 第20-22页 |
| 3.1.2 样本熵 | 第22-23页 |
| 3.1.3 排序熵 | 第23-26页 |
| 3.2 多尺度方法 | 第26-29页 |
| 3.2.1 均值粗粒化 | 第26-27页 |
| 3.2.2 移动均值粗粒化 | 第27页 |
| 3.2.3 小波变换 | 第27-28页 |
| 3.2.4 经验模态分解 | 第28-29页 |
| 3.3 多尺度熵方法 | 第29-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于脑电多尺度熵特征的情感识别 | 第33-56页 |
| 4.1 情感脑电 | 第33-39页 |
| 4.1.1 情感脑电的采集方案 | 第33-37页 |
| 4.1.2 DEAP数据库描述 | 第37-39页 |
| 4.2 数据预处理 | 第39-41页 |
| 4.3 特征提取与分类 | 第41-45页 |
| 4.3.1 特征提取 | 第41-42页 |
| 4.3.2 支持向量机 | 第42-45页 |
| 4.4 结果分析 | 第45-50页 |
| 4.4.1 多尺度熵特征分析 | 第45-48页 |
| 4.4.2 多尺度熵分类结果分析 | 第48-50页 |
| 4.5 改进多尺度熵方法 | 第50-55页 |
| 4.5.1 改进多尺度熵方法 | 第50-51页 |
| 4.5.2 改进方法与传统方法的比较 | 第51-55页 |
| 4.6 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62-65页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第65-66页 |
| 致谢 | 第66页 |
