支持向量机在脑功能模式识别和分类中的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·本文的研究意义 | 第9-10页 |
| ·国内外的发展现状 | 第10-14页 |
| ·研究过程 | 第10-11页 |
| ·发展现状 | 第11-14页 |
| ·本文的主要工作 | 第14-15页 |
| 第二章 脑功能模式的特征提取 | 第15-30页 |
| ·脑电的概念及其发展状况 | 第15-21页 |
| ·脑电信号的产生机理、种类 | 第15-19页 |
| ·脑电信号的特点 | 第19页 |
| ·脑电信号的采集方法 | 第19-21页 |
| ·脑电信号的应用 | 第21页 |
| ·脑电信号分析方法 | 第21-30页 |
| ·频域分析 | 第22-23页 |
| ·时域分析 | 第23-24页 |
| ·时/频域分析 | 第24-27页 |
| ·人工神经网络分析 | 第27-28页 |
| ·混沌理论 | 第28-29页 |
| ·其它研究方法 | 第29-30页 |
| 第三章 支持向量机理论 | 第30-41页 |
| ·引言 | 第30页 |
| ·统计学习理论 | 第30-34页 |
| ·经验风险最小化原则 | 第31-32页 |
| ·VC维 | 第32页 |
| ·推广性的界理论 | 第32-33页 |
| ·结构风险最小化原则 | 第33-34页 |
| ·支持向量机理论 | 第34-41页 |
| ·最优超平面 | 第35-36页 |
| ·线性支持向量机 | 第36-37页 |
| ·非线性支持向量机 | 第37-39页 |
| ·核函数 | 第39-41页 |
| 第四章 支持向量机在脑功能模式识别和分类中的应用 | 第41-50页 |
| ·实验数据描述 | 第41-43页 |
| ·脑电信号的预处理 | 第43页 |
| ·脑电信号的特征选择与特征提取 | 第43-46页 |
| ·特征选择与提取的基本方法 | 第43-44页 |
| ·小波包分析的基本理论 | 第44-45页 |
| ·EEG信号的特征提取 | 第45-46页 |
| ·脑功能模式的识别和分类 | 第46-48页 |
| ·核函数的选择 | 第47页 |
| ·核参数的选择 | 第47-48页 |
| ·交叉验证方法 | 第48页 |
| ·实验结果与讨论 | 第48-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 在读期间发表论文情况 | 第58页 |
