| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-7页 |
| 1 绪论 | 第11-25页 |
| 1.1 BCI研究基础 | 第11-17页 |
| 1.1.1 BCI概念与研究意义 | 第11-12页 |
| 1.1.2 BCI系统的组成与分类 | 第12-14页 |
| 1.1.3 BCI研究现状 | 第14-16页 |
| 1.1.4 BCI存在问题 | 第16-17页 |
| 1.2 半监督学习研究背景 | 第17-23页 |
| 1.2.1 模式识别与机器学习 | 第17页 |
| 1.2.2 半监督学习相关知识 | 第17-20页 |
| 1.2.3 半监督学习遇到的问题与挑战 | 第20-22页 |
| 1.2.4 半监督分类方法在BCI中的应用 | 第22-23页 |
| 1.3 本论文研究内容 | 第23-25页 |
| 2 运动想象EEG的特征提取方法研究 | 第25-35页 |
| 2.1 基于运动想象的EEG | 第25页 |
| 2.2 EEG的预处理 | 第25-27页 |
| 2.2.1 空间滤波 | 第26-27页 |
| 2.2.2 频率滤波 | 第27页 |
| 2.3 EEG特征提取方法 | 第27-33页 |
| 2.3.1 时频分析 | 第27-28页 |
| 2.3.2 自回归模型 | 第28-29页 |
| 2.3.3 共空间模式 | 第29-30页 |
| 2.3.4 滤波带宽共空间模式 | 第30-31页 |
| 2.3.5 分段选择共空间模式 | 第31-33页 |
| 2.4 本章小结 | 第33-35页 |
| 3 参数选择的半监督算法研究 | 第35-49页 |
| 3.1 自训练算法介绍 | 第35-36页 |
| 3.2 参数选择的半监督算法 | 第36-41页 |
| 3.2.1 半监督学习中特征的重新提取 | 第36-37页 |
| 3.2.2 支持向量机 | 第37-38页 |
| 3.2.3 置信度评估准则 | 第38-39页 |
| 3.2.4 结合FBCSP特征重新提取的自训练SVM算法步骤 | 第39-40页 |
| 3.2.5 融合参数选择的自训练算法 | 第40-41页 |
| 3.2.6 评价标准 | 第41页 |
| 3.3 实验与结果分析 | 第41-48页 |
| 3.3.1 实验数据描述 | 第41-42页 |
| 3.3.2 结果和分析 | 第42-48页 |
| 3.4 本章小结 | 第48-49页 |
| 4 衍生FLDA的半监督算法研究 | 第49-65页 |
| 4.1 协同训练学习介绍 | 第49-51页 |
| 4.1.1 协同训练算法 | 第49-50页 |
| 4.1.2 协同训练的挑战 | 第50-51页 |
| 4.2 衍生FLDA的半监督算法 | 第51-57页 |
| 4.2.1 衍生的FLDA分类器 | 第51-54页 |
| 4.2.2 基于衍生FLDA的协同训练算法步骤 | 第54-56页 |
| 4.2.3 特征鲁棒性的评价参数 | 第56-57页 |
| 4.3 实验与结果分析 | 第57-63页 |
| 4.3.1 数据描述 | 第57-58页 |
| 4.3.2 结果和分析 | 第58-63页 |
| 4.4 本章小结 | 第63-65页 |
| 5 融合主动学习的半监督多分类研究 | 第65-83页 |
| 5.1 主动学习研究 | 第65-67页 |
| 5.2 融合主动学习的半监督学习 | 第67-68页 |
| 5.3 三种分类器的样例选择策略 | 第68-70页 |
| 5.3.1 最近平均聚类距离 | 第68-69页 |
| 5.3.2 SVM主动学习 | 第69页 |
| 5.3.3 信息熵 | 第69-70页 |
| 5.4 多任务分类 | 第70-71页 |
| 5.5 基于主动学习的多分类算法 | 第71-78页 |
| 5.5.1 主动学习算法步骤 | 第71-73页 |
| 5.5.2 数据描述 | 第73页 |
| 5.5.3 结果和分析 | 第73-78页 |
| 5.6 融合主动学习的半监督多分类算法 | 第78-81页 |
| 5.6.1 融合主动学习的半监督算法步骤 | 第78-79页 |
| 5.6.2 结果和分析 | 第79-81页 |
| 5.7 本章小结 | 第81-83页 |
| 6 基于SCSP的batch-mode增量式顺序更新半监督算法研究 | 第83-95页 |
| 6.1 增量式半监督概述 | 第83-84页 |
| 6.2 特征提取与分类算法 | 第84页 |
| 6.3 基于SCSP的batch-mode增量式顺序更新半监督算法 | 第84-87页 |
| 6.3.1 Batch-mode增量式顺序更新半监督 | 第84页 |
| 6.3.2 Batch-mode增量式顺序更新半监督的应用 | 第84-85页 |
| 6.3.3 基于SCSP的batch-mode增量式顺序更新半监督算法步骤 | 第85-87页 |
| 6.4 实验与结果分析 | 第87-94页 |
| 6.4.1 实验数据描述 | 第87-88页 |
| 6.4.2 结果和分析 | 第88-94页 |
| 6.5 本章总结 | 第94-95页 |
| 7 半监督学习比较性分析 | 第95-107页 |
| 7.1 半监督学习解决的问题 | 第95-96页 |
| 7.2 信号采集与实验设计 | 第96-100页 |
| 7.2.1 实验设备介绍 | 第96-97页 |
| 7.2.2 运动想象EEG采集实验设计 | 第97-99页 |
| 7.2.3 信号采集结果 | 第99-100页 |
| 7.3 结果和分析 | 第100-105页 |
| 7.4 本章小结 | 第105-107页 |
| 8 总结和展望 | 第107-111页 |
| 8.1 论文内容结论 | 第107-109页 |
| 8.2 今后工作展望 | 第109-111页 |
| 致谢 | 第111-113页 |
| 参考文献 | 第113-123页 |
| 附录 | 第123页 |
| A. 作者在攻读博士学位期间发表的论文目录 | 第123页 |
| B. 作者在攻读博士学位期间参加的科研项目 | 第123页 |
