| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 符号说明 | 第11-12页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 脑电信号(EEG)概述 | 第12-15页 |
| 1.1.1 脑电信号基本知识 | 第12-13页 |
| 1.1.2 脑电信号的基本性质 | 第13-14页 |
| 1.1.3 脑电信号的频谱成分 | 第14-15页 |
| 1.2 癫痫自动检测技术概述 | 第15-20页 |
| 1.2.1 癫痫自动检测的背景和意义 | 第15页 |
| 1.2.2 癫痫脑电信号 | 第15-18页 |
| 1.2.3 癫痫脑电检测的现状 | 第18-19页 |
| 1.2.4 癫痫脑电检测的流程 | 第19-20页 |
| 1.3 本文所做的工作和章节安排 | 第20-21页 |
| 第二章 时频分析的基本理论 | 第21-29页 |
| 2.1 时频分析方法简介 | 第21-28页 |
| 2.1.1 短时傅立叶变换 | 第21-22页 |
| 2.1.2 小波变换 | 第22-24页 |
| 2.1.3 Wigner-Ville分布 | 第24-27页 |
| 2.1.4 交叉项的抑制 | 第27-28页 |
| 2.2 各类时频分析方法的效果对比 | 第28-29页 |
| 第三章 癫痫脑电的分类方法 | 第29-43页 |
| 3.1 人工神经网络 | 第29-32页 |
| 3.1.1 人工神经网络基本概念 | 第29-30页 |
| 3.1.2 人工神经网络的基本特征 | 第30-31页 |
| 3.1.3 人工神经网络的分类 | 第31页 |
| 3.1.4 人工神经网络的应用 | 第31-32页 |
| 3.2 支持向量机 | 第32-37页 |
| 3.2.1 支持向量机的历史 | 第32-33页 |
| 3.2.2 支持向量机的发展 | 第33-34页 |
| 3.2.3 SVM分类基本原理 | 第34-37页 |
| 3.2.4 SVM的优缺点 | 第37页 |
| 3.3 Boosting算法 | 第37-43页 |
| 3.3.1 boosting算法产生与发展 | 第37-39页 |
| 3.3.2 boosting算法基本思想 | 第39-41页 |
| 3.3.3 Gradient Boosting方法 | 第41-42页 |
| 3.3.4 Boosting算法优缺点 | 第42-43页 |
| 第四章 基于时频分析的癫痫检测方法 | 第43-54页 |
| 4.1 引言 | 第43页 |
| 4.2 实验数据 | 第43-44页 |
| 4.3 特征提取方法 | 第44-46页 |
| 4.4 训练数据和测试数据 | 第46-47页 |
| 4.5 后处理 | 第47-48页 |
| 4.6 实验结果 | 第48-53页 |
| 4.7 讨论 | 第53-54页 |
| 第五章 结论与展望 | 第54-56页 |
| 5.1 结论 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 攻读学位期间的研究成果 | 第62-63页 |
| 学位论文评阅及答辩情况表 | 第63页 |