脑电源模型及其分类算法的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| 1-1 研究的目的和意义 | 第8-9页 |
| 1-1-1 脑电问题的研究意义 | 第8-9页 |
| 1-1-2 脑电源模型的研究意义 | 第9页 |
| 1-2 脑电信号的产生机理 | 第9-11页 |
| 1-2-1 大脑的结构概述 | 第9页 |
| 1-2-2 神经元和突触 | 第9-10页 |
| 1-2-3 神经兴奋的产生、传导和传递 | 第10页 |
| 1-2-4 脑电图的来源 | 第10-11页 |
| 1-3 脑电问题概述 | 第11-13页 |
| 1-3-1 脑电研究的头模型 | 第11-12页 |
| 1-3-2 脑电正问题概述 | 第12页 |
| 1-3-3 脑电问题的源模型 | 第12-13页 |
| 1-3-4 脑电逆问题概述 | 第13页 |
| 1-4 本文的主要工作 | 第13-14页 |
| 第二章 脑电正问题及其源模型的构建 | 第14-24页 |
| 2-1 正问题 | 第14-16页 |
| 2-1-1 脑电正问题的解析法 | 第14-15页 |
| 2-1-2 脑电正问题的数值法 | 第15-16页 |
| 2-2 源模型 | 第16-18页 |
| 2-2-1 源模型概述 | 第16页 |
| 2-2-2 偶极子源模型的建立 | 第16-18页 |
| 2-3 脑电正问题的仿真研究 | 第18-24页 |
| 2-3-1 头模型的建立 | 第18-19页 |
| 2-3-2 头皮电位求解 | 第19-20页 |
| 2-3-3 偶极子源模型头皮电势图 | 第20-22页 |
| 2-3-4 头皮电极的选择 | 第22-23页 |
| 2-3-5 实验数据的产生 | 第23-24页 |
| 第三章 用于脑电产生源模型的分类算法的研究 | 第24-42页 |
| 3-1 分类算法概述 | 第24-25页 |
| 3-2 支持向量机算法 | 第25-34页 |
| 3-2-1 支持向量机的研究现状 | 第25页 |
| 3-2-2 经验风险最小化原则 | 第25-26页 |
| 3-2-3 统计学习理论 | 第26-28页 |
| 3-2-4 SVM 基本原理 | 第28-32页 |
| 3-2-5 多分类支持向量机 | 第32-34页 |
| 3-3 SVM 数据分类仿真试验 | 第34-35页 |
| 3-3-1 SVM 的构建过程 | 第34-35页 |
| 3-3-2 分类仿真实验结果 | 第35页 |
| 3-4 BP 神经网络理论 | 第35-38页 |
| 3-4-1 BP 神经网络的定义 | 第36页 |
| 3-4-2 BP 网络学习公式推导 | 第36-38页 |
| 3-4-3 BP 算法的一般步骤 | 第38页 |
| 3-5 BP 神经网络数据分类仿真试验 | 第38-40页 |
| 3-5-1 BP 神经网络的构建过程 | 第38-40页 |
| 3-5-2 分类仿真实验结果 | 第40页 |
| 3-6 试验结果比较 | 第40-41页 |
| 3-7 本章小结 | 第41-42页 |
| 第四章 脑电源模型及其分类算法仿真平台的开发 | 第42-48页 |
| 4-1 仿真实验环境 | 第42页 |
| 4-2 系统框架 | 第42-43页 |
| 4-3 主界面 | 第43-44页 |
| 4-4 脑电正演模块 | 第44-45页 |
| 4-4-1 实现功能 | 第44页 |
| 4-4-2 头模型 | 第44-45页 |
| 4-4-3 源模型 | 第45页 |
| 4-4-4 仿真平台显示 | 第45页 |
| 4-5 脑电源分类模块 | 第45-46页 |
| 4-5-1 实现功能 | 第45页 |
| 4-5-2 实现流程 | 第45-46页 |
| 4-5-3 平台分类结果显示 | 第46页 |
| 4-6 本章小结 | 第46-48页 |
| 第五章 结论 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 致谢 | 第51页 |
