| 一、 绪论 | 第1-9页 |
| §1．1 混沌研究的历史与现状 | 第6页 |
| §1．2 人工神经网络、混沌与脑科学的相互结合 | 第6页 |
| §1．3 混沌在EEG分析中的应用 | 第6-7页 |
| §1．4 本文的主要工作 | 第7-9页 |
| 二、 Takens定理 | 第9-18页 |
| §2．1 几个相关定义 | 第9-11页 |
| §2．2 带有单个可观测量的动力系统 | 第11页 |
| §2．3 Takens定理 | 第11-18页 |
| 三、 混沌数据分析方法 | 第18-35页 |
| §3．1 混沌理论基础 | 第18-27页 |
| 1 混沌动力分析初步 | 第18-20页 |
| 2 混沌吸引子 | 第20-22页 |
| 3 庞加莱截面 | 第22-23页 |
| 4 混沌吸引子的重构 | 第23-25页 |
| 5 重正化半群 | 第25-26页 |
| 6 最大Lyapunov指数 | 第26页 |
| 7 分形维与关联维 | 第26-27页 |
| §3．2 从混沌数据计算最大Lyapunov指数 | 第27-34页 |
| 1 计算原理 | 第27-29页 |
| 2 确定重构参数并重构吸引子 | 第29-31页 |
| 3 改进Wolf算法计算最大Lyapunov指数 | 第31-32页 |
| 4 利用方程所得数据的计算结果验证 | 第32-33页 |
| 5 实验数据的计算结果验证 | 第33-34页 |
| §3．3 本章小结 | 第34-35页 |
| 四、 混沌信号可影响BP网络的学习 | 第35-48页 |
| §4．1 神经网络基础 | 第35-37页 |
| 1 神经网络的特点 | 第35页 |
| 2 神经网络主要应用领域 | 第35-37页 |
| §4．2 BP神经网络计算原理 | 第37-42页 |
| §4．3 混沌信号设初始权值对BP神经网络学习效果的影响 | 第42-46页 |
| 1 计算机产生混沌序列 | 第42-44页 |
| 2 网络仿真计算及结果分析 | 第44-46页 |
| §4．4 本章小结 | 第46-48页 |
| 五、 对EEG数据的混沌分析 | 第48-61页 |
| §5．1 EEG数据分析的历史与发展现状 | 第48-49页 |
| §5．2 EEG数据分析的生理机理 | 第49-51页 |
| §5．3 两种EEG数据分析手段 | 第51-53页 |
| 1 主成份分析 | 第51-52页 |
| 2 谱分析 | 第52-53页 |
| §5．4 EEG数据分析 | 第53-59页 |
| 1 EEG数据的采样与预处理 | 第54页 |
| 2 关联维计算 | 第54-56页 |
| 3 最大Lyapunov指数计算 | 第56-57页 |
| 4 主成分分析 | 第57-58页 |
| 5 结果讨论 | 第58-59页 |
| §5．5 本章小结 | 第59-61页 |
| 六、 结束语 | 第61-62页 |
| 附录一、 Lyapunov指数谱的公式计算方法 | 第62-65页 |
| 附录二、 从一维数据计算最大Lyapunov指数的源程序 | 第65-68页 |
| 硕士期间发表（投稿）论文 | 第68-69页 |
| 致谢 | 第69页 |