| 摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 插图索引 | 第11-12页 |
| 附表索引 | 第12-13页 |
| 第1章 绪论 | 第13-18页 |
| ·意识任务分类的背景—脑机接口 | 第13-16页 |
| ·脑机接口的组成 | 第13-14页 |
| ·脑机接口研究的目的和科学意义 | 第14页 |
| ·脑电信号概述 | 第14-16页 |
| ·意识任务分类的研究现状 | 第16-17页 |
| ·本文的主要研究内容 | 第17-18页 |
| 第2章 支持向量机理论 | 第18-29页 |
| ·引言 | 第18-19页 |
| ·统计学习理论概述 | 第19-22页 |
| ·问题的提出 | 第19页 |
| ·经验风险最小化准则 | 第19-20页 |
| ·结构风险最小化准则 | 第20-22页 |
| ·支持向量机 | 第22-28页 |
| ·线性 SVM | 第22-24页 |
| ·非线性 SVM | 第24-27页 |
| ·序列最小优化(SMO)算法 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 多分类支持向量机 | 第29-39页 |
| ·多类分类问题的数学描述 | 第29-30页 |
| ·直接优化目标函数法 | 第30-31页 |
| ·“一对多”方法 | 第31-32页 |
| ·“一对一”方法 | 第32-33页 |
| ·改进的多类 SVMs——基于类分布的决策树 SVMs | 第33-38页 |
| ·决策树 SVMs | 第33-35页 |
| ·类距离法 | 第35-36页 |
| ·基于类分布的类间分离性测度 | 第36-37页 |
| ·基于类分布的决策树 SVMs的算法流程 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 实验数据及特征选择 | 第39-45页 |
| ·引言 | 第39-40页 |
| ·实验数据描述 | 第40页 |
| ·特征选择与交叉验证法 | 第40-44页 |
| ·特征选择 | 第41-42页 |
| ·交叉验证法 | 第42页 |
| ·实验结果 | 第42-44页 |
| ·实验讨论与总结 | 第44-45页 |
| 第5章 对三类意识任务的模式识别 | 第45-55页 |
| ·引言 | 第45页 |
| ·核函数的选择 | 第45-48页 |
| ·全局核函数与局部核函数 | 第46-47页 |
| ·两类核函数的比较 | 第47-48页 |
| ·核参数的选择 | 第48-50页 |
| ·误差惩罚参数 C的影响 | 第48页 |
| ·高斯核参数σ的影响 | 第48-49页 |
| ·实验结果与讨论 | 第49-50页 |
| ·对三类意识任务的识别 | 第50-53页 |
| ·分级聚类训练 | 第51-52页 |
| ·决策树形式 | 第52-53页 |
| ·实验结果与讨论 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 总结与展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第62页 |