| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 主要研究内容 | 第11页 |
| 1.4 论文结构安排 | 第11-12页 |
| 第二章 复杂网络理论与时间序列复杂网络的构造方法 | 第12-16页 |
| 2.1 复杂网络 | 第12页 |
| 2.2 时间序列复杂网络的构造方法 | 第12-15页 |
| 2.2.1 相似性网络构造方法 | 第13-14页 |
| 2.2.2 可视图构造方法 | 第14页 |
| 2.2.3 转移网络构造方法 | 第14-15页 |
| 2.3 本章小结 | 第15-16页 |
| 第三章 时间序列转移网络的构造方法 | 第16-22页 |
| 3.1 时间序列转移网络的国内外研究现状 | 第16页 |
| 3.2 时间序列转移网络构造方法 | 第16-19页 |
| 3.3 改进的时间序列转移网络构造方法 | 第19-21页 |
| 3.4 本章小结 | 第21-22页 |
| 第四章 基于转移网络统计特性的特征提取方法 | 第22-31页 |
| 4.1 基于改进转移网络度变化率的特征提取方法 | 第22-24页 |
| 4.2 基于改进转移网络环路系数的特征提取方法 | 第24-25页 |
| 4.3 基于改进转移网络聚类系数的特征提取方法 | 第25-28页 |
| 4.4 基于改进转移网络平均路径长度的特征提取方法 | 第28-30页 |
| 4.5 本章小结 | 第30-31页 |
| 第五章 基于转移网络统计特性的癫痫脑电非线性特征提取与分类方法研究 | 第31-45页 |
| 5.1 研究现状 | 第31-32页 |
| 5.2 癫痫脑电分类算法流程图 | 第32页 |
| 5.3 数据集描述 | 第32-34页 |
| 5.4 基于转移网络多统计特性的癫痫脑电自动分类方法及性能分析 | 第34-44页 |
| 5.4.1 度变化率对癫痫脑电的分类性能分析 | 第34-37页 |
| 5.4.2 环路系数对癫痫脑电数据的分类性能分析 | 第37-39页 |
| 5.4.3 聚类系数对癫痫脑电数据的分类性能分析 | 第39-41页 |
| 5.4.4 平均路径长度对癫痫脑电数据的分类性能分析 | 第41-43页 |
| 5.4.5 基于本文提取特征的癫痫脑电自动分类算法实验结果及分析 | 第43-44页 |
| 5.5 本章小结 | 第44-45页 |
| 第六章 总结与展望 | 第45-47页 |
| 6.1 全文总结 | 第45页 |
| 6.2 前景展望 | 第45-47页 |
| 参考文献 | 第47-53页 |
| 致谢 | 第53-54页 |
| 附录 | 第54-55页 |
