基于多域融合与遗传算法的P300测谎研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 目次 | 第11-13页 |
| 第1章 绪论 | 第13-22页 |
| 1.1 基于ERP的测谎技术的研究背景和意义 | 第13-14页 |
| 1.2 基于P300的测谎原理 | 第14-18页 |
| 1.2.1 ERP测谎原理 | 第14-15页 |
| 1.2.2 GKT范式 | 第15-16页 |
| 1.2.3 P300电位 | 第16-18页 |
| 1.2.4 EEG信号处理 | 第18页 |
| 1.3 基于P300的测谎技术的研究状况 | 第18-20页 |
| 1.4 论文的研究内容与组织结构 | 第20-22页 |
| 第2章 EEG信号处理 | 第22-37页 |
| 2.1 信号预处理 | 第22-25页 |
| 2.1.1 公共平均参考 | 第22-23页 |
| 2.1.2 小波包分解 | 第23-24页 |
| 2.1.3 时域极值调整 | 第24页 |
| 2.1.4 归一化 | 第24-25页 |
| 2.2 特征提取 | 第25-30页 |
| 2.2.1 时域能量熵 | 第26页 |
| 2.2.2 小波变换 | 第26-28页 |
| 2.2.3 独立分量分析 | 第28-30页 |
| 2.3 遗传算法 | 第30-32页 |
| 2.4 分类 | 第32-36页 |
| 2.4.1 线性判别分析 | 第32-34页 |
| 2.4.2 BP神经网络 | 第34-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第3章 基于多域融合与遗传算法的EEG信号处理 | 第37-50页 |
| 3.1 基于多域融合与遗传算法的EEG信号处理 | 第37-40页 |
| 3.1.1 基于多域融合的EEG信号预处理 | 第38页 |
| 3.1.2 基于多域融合与遗传算法的特征提取 | 第38-40页 |
| 3.2 想象左右手运动的EEG信号处理 | 第40-48页 |
| 3.2.1 数据来源与描述 | 第41-42页 |
| 3.2.2 基于多域融合的信号预处理 | 第42-44页 |
| 3.2.3 基于多域融合与遗传算法的特征提取 | 第44-46页 |
| 3.2.4 分类结果与讨论 | 第46-48页 |
| 3.3 本章小结 | 第48-50页 |
| 第4章 基于多域融合与遗传算法的P300测谎 | 第50-65页 |
| 4.1 基于人脸图片的测谎实验与数据采集 | 第50-52页 |
| 4.2 人脸测谎的EEG信号处理过程 | 第52-63页 |
| 4.2.1 基于多域融合的信号预处理 | 第53-54页 |
| 4.2.2 基于多域融合与遗传算法的特征提取 | 第54-60页 |
| 4.2.3 分类结果与分析 | 第60-63页 |
| 4.3 本章小结 | 第63-65页 |
| 第5章 模拟网络诈骗情景下的P300测谎 | 第65-77页 |
| 5.1 网络诈骗情景中的测谎实验与数据采集 | 第65-66页 |
| 5.2 网络诈骗测谎的EEG信号处理过程 | 第66-76页 |
| 5.2.1 基于多域融合的信号预处理 | 第67-68页 |
| 5.2.2 基于多域融合与遗传算法的特征提取 | 第68-73页 |
| 5.2.3 分类结果与分析 | 第73-76页 |
| 5.3 本章小结 | 第76-77页 |
| 第6章 基于P300的测谎实验平台 | 第77-83页 |
| 6.1 E-prime | 第77-78页 |
| 6.2 上海诺成脑电图仪 | 第78-79页 |
| 6.3 Matlab | 第79-80页 |
| 6.4 测谎实验平台的构建 | 第80-82页 |
| 6.5 本章小结 | 第82-83页 |
| 第7章 总结与展望 | 第83-86页 |
| 参考文献 | 第86-93页 |
| 作者简历及在学习期间的相关科研成果 | 第93页 |
