| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 绪论 | 第11-15页 |
| 一 课题研究的背景及意义 | 第11-13页 |
| 二 本课题研究的内容 | 第13-15页 |
| 第一章 脑电信号及其现代研究方法 | 第15-26页 |
| ·脑电图基本知识 | 第15-20页 |
| ·脑电信号的节律 | 第15-17页 |
| ·脑电信号产生机制 | 第17-18页 |
| ·脑电信号的特点 | 第18-19页 |
| ·正常脑电图的基本特征 | 第19页 |
| ·异常脑电图的基本特征 | 第19-20页 |
| ·脑电信号的现代分析方法 | 第20-26页 |
| ·时域分析 | 第21页 |
| ·频域分析 | 第21-22页 |
| ·时/频域分析方法 | 第22-23页 |
| ·人工神经网络 | 第23-24页 |
| ·混沌理论 | 第24页 |
| ·非线性动力学分析 | 第24-26页 |
| 第二章 判别分析基本知识 | 第26-38页 |
| ·判别分析概述 | 第26-27页 |
| ·判别分析的定义 | 第26-27页 |
| ·判别分析的步骤 | 第27页 |
| ·马氏距离判别分析 | 第27-30页 |
| ·马氏距离判别分析基本思想 | 第27-28页 |
| ·两总体马氏距离判别法 | 第28-29页 |
| ·多总体马氏距离判别法 | 第29-30页 |
| ·其它几种距离判别法 | 第30页 |
| ·Fisher 判别分析 | 第30-34页 |
| ·Fisher 判别法基本思想 | 第30-31页 |
| ·两总体Fisher 判别法 | 第31-32页 |
| ·多总体Fisher 判别法 | 第32-34页 |
| ·Bayes 判别分析 | 第34-36页 |
| ·Bayes 判别分析基本思想 | 第34页 |
| ·两总体Bayes 判别法 | 第34-36页 |
| ·多总体Bayes 判别法 | 第36页 |
| ·判别准则的评价 | 第36-37页 |
| ·误判率回代估计法 | 第36-37页 |
| ·误判率的交叉确认估计 | 第37页 |
| 本章小结 | 第37-38页 |
| 第三章 基于脑电图数据的马氏距离判别分析 | 第38-52页 |
| ·脑电极的安置 | 第38-39页 |
| ·脑电图数据的选取 | 第39-42页 |
| ·21 导电极的分类 | 第39-40页 |
| ·建立数学模型脑电数据的选取 | 第40-41页 |
| ·判别因子的选取 | 第41-42页 |
| ·实验开发工具介绍 | 第42页 |
| ·研究对象与方法 | 第42-43页 |
| ·研究对象 | 第42页 |
| ·研究方法 | 第42-43页 |
| ·马氏距离判别算法描述 | 第43页 |
| ·马氏距离判别脑电图数据分析结果 | 第43-50页 |
| ·马氏距离判别脑电图数据的结果讨论 | 第50-51页 |
| 本章小结 | 第51-52页 |
| 第四章 基于脑电图数据的Fisher 判别分析 | 第52-61页 |
| ·研究对象与方法 | 第52-53页 |
| ·研究对象 | 第52页 |
| ·研究方法 | 第52页 |
| ·Fisher 判别算法描述 | 第52-53页 |
| ·Fisher 判别脑电图数据分析结果 | 第53-59页 |
| ·Fisher 判别脑电图数据结果的讨论 | 第59-60页 |
| 本章小结 | 第60-61页 |
| 第五章 基于脑电图数据的Bayes 判别分析 | 第61-69页 |
| ·研究对象与方法 | 第61-62页 |
| ·研究对象 | 第61页 |
| ·研究方法 | 第61-62页 |
| ·Bayes 判别算法描述 | 第62页 |
| ·Bayes 判别脑电图数据分析结果 | 第62-68页 |
| ·Bayes 判别脑电图数据结果的讨论 | 第68页 |
| 本章小结 | 第68-69页 |
| 第六章 基于事件的脑电数据Fisher 判别分析 | 第69-78页 |
| ·研究对象与方法 | 第69页 |
| ·研究对象 | 第69页 |
| ·研究方法 | 第69页 |
| ·基于事件的脑电图数据Fisher 判别分析结果 | 第69-76页 |
| ·基于事件的脑电图数据Fisher 判别分析结果的讨论 | 第76-77页 |
| 本章小结 | 第77-78页 |
| 结论 | 第78-79页 |
| 参考文献 | 第79-81页 |
| 攻读硕士学位期间发表的学术论文 | 第81-82页 |
| 致谢 | 第82-83页 |