| 中文摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 抑郁症简介 | 第11-12页 |
| 1.2 脑电信号的概述 | 第12-14页 |
| 1.2.1 大脑的解剖和功能 | 第12-13页 |
| 1.2.2 脑电信号的特点 | 第13页 |
| 1.2.3 脑电波的分类 | 第13-14页 |
| 1.3 脑电在抑郁方面的研究现状 | 第14-15页 |
| 1.4 研究内容及意义 | 第15-16页 |
| 1.5 论文结构 | 第16-18页 |
| 第二章 相关算法综述 | 第18-28页 |
| 2.1 特征选择算法 | 第18-19页 |
| 2.1.1 特征选择概述 | 第18页 |
| 2.1.2 基于CFS算法的GSW搜索策略介绍 | 第18-19页 |
| 2.2 数据挖掘分类算法 | 第19-24页 |
| 2.2.1 贝叶斯信念网络(BN) | 第20页 |
| 2.2.2 支持向量机(SVM) | 第20-22页 |
| 2.2.3 最近邻分类算法(KNN) | 第22页 |
| 2.2.4 决策树(C4.5) | 第22-23页 |
| 2.2.5 随机森林(RF) | 第23-24页 |
| 2.3 脑电源定位基本理论 | 第24-26页 |
| 2.3.1 脑电正问题 | 第24-25页 |
| 2.3.2 脑电逆问题 | 第25页 |
| 2.3.3 基于sLORETA的脑电源定位分析方法 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 静息态脑电数据采集及预处理 | 第28-34页 |
| 3.1 被试对象 | 第28-29页 |
| 3.1.1 被试选择 | 第28页 |
| 3.1.2 样本特性 | 第28-29页 |
| 3.2 数据采集 | 第29-30页 |
| 3.2.1 实验流程 | 第29页 |
| 3.2.2 脑电数据采集 | 第29-30页 |
| 3.3 脑电数据预处理 | 第30-31页 |
| 3.4 脑电数据特征提取 | 第31-33页 |
| 3.4.1 线性特征 | 第31-32页 |
| 3.4.2 非线性动力学特征 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 基于投票策略的抑郁识别研究 | 第34-43页 |
| 4.1 投票策略 | 第34-36页 |
| 4.1.1 数据集描述 | 第34-35页 |
| 4.1.2 投票策略介绍 | 第35-36页 |
| 4.2 脑电数据分类结果 | 第36-41页 |
| 4.2.1 使用投票策略改进的分类结果 | 第36-40页 |
| 4.2.2 三个波段之间的分类结果的比较 | 第40-41页 |
| 4.3 本章小结 | 第41-43页 |
| 第五章 单电极分析及源定位研究 | 第43-51页 |
| 5.1 单电极分析 | 第43-47页 |
| 5.1.1 独立样本T检验 | 第43-45页 |
| 5.1.2 单电极分类 | 第45-47页 |
| 5.2 sLORETA源定位分析 | 第47-50页 |
| 5.2.1 脑电信号的源定位计算 | 第47页 |
| 5.2.2 sLORETA源定位结果及分析 | 第47-50页 |
| 5.3 本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 6.1 论文工作总结 | 第51-52页 |
| 6.2 工作展望 | 第52-53页 |
| 参考文献 | 第53-59页 |
| 在学期间研究成果 | 第59-60页 |
| 致谢 | 第60页 |