| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 脑网络研究现状 | 第12-13页 |
| 1.2.2 贝叶斯方法研究现状 | 第13页 |
| 1.2.3 卡尔曼滤波研究现状 | 第13-14页 |
| 1.3 本文主要工作 | 第14-15页 |
| 1.4 论文结构安排 | 第15-16页 |
| 第二章 贝叶斯方法概述 | 第16-20页 |
| 2.1 贝叶斯方法基本思想 | 第16页 |
| 2.2 贝叶斯公式 | 第16-17页 |
| 2.2.1 贝叶斯公式的概率形式 | 第16页 |
| 2.2.2 贝叶斯公式的密度函数形式 | 第16-17页 |
| 2.3 先验分布的确定 | 第17-20页 |
| 2.3.1 主观概率 | 第17页 |
| 2.3.2 利用先验信息确定先验分布 | 第17-18页 |
| 2.3.3 利用边缘分布确定先验密度 | 第18-19页 |
| 2.3.4 无信息先验分布 | 第19-20页 |
| 第三章 基于贝叶斯多元自回归模型的脑网络构建研究 | 第20-36页 |
| 3.0 因果网络构建 | 第20页 |
| 3.1 传统多元自回归分析 | 第20-22页 |
| 3.2 基于贝叶斯的多元自回归分析 | 第22-23页 |
| 3.3 仿真研究 | 第23-29页 |
| 3.3.1 仿真具体步骤 | 第23-25页 |
| 3.3.2 仿真结果 | 第25-27页 |
| 3.3.3 仿真结论 | 第27-29页 |
| 3.4 实际应用研究 | 第29-34页 |
| 3.4.1 实验范式及数据采集 | 第30-31页 |
| 3.4.2 实验数据预处理 | 第31-32页 |
| 3.4.3 任务相关的脑激活区域 | 第32-33页 |
| 3.4.4 实验结果及分析 | 第33-34页 |
| 3.5 本章总结 | 第34-36页 |
| 第四章 基于贝叶斯的时变脑网络构建研究 | 第36-58页 |
| 4.0 时变脑网络构建 | 第36页 |
| 4.1 传统卡尔曼滤波 | 第36-37页 |
| 4.2 基于贝叶斯的改进卡尔曼滤波 | 第37-47页 |
| 4.2.1 学生t滤波方法 | 第38-39页 |
| 4.2.2 基于贝叶斯的改进卡尔曼滤波方法 | 第39-47页 |
| 4.2.2.1 近似后验概率分布函数的计算 | 第42-44页 |
| 4.2.2.2 期望的计算 | 第44-47页 |
| 4.3 仿真研究 | 第47-51页 |
| 4.3.1 仿真具体步骤 | 第47-50页 |
| 4.3.2 仿真结果及分析 | 第50-51页 |
| 4.4 实际应用研究 | 第51-56页 |
| 4.4.1 左/右手运动想象时变网络偏侧性研究结果 | 第51-53页 |
| 4.4.2 左/右手运动想象时变网络连接模式 | 第53-56页 |
| 4.4.3 实际应用研究结论 | 第56页 |
| 4.5 本章总结 | 第56-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-68页 |
| 攻读硕士学位期间取得的成果 | 第68页 |