| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题研究背景和意义 | 第8-11页 |
| 1.1.1 研究背景 | 第8-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 抑郁症脑电信号的研究现状 | 第11-13页 |
| 1.3 本文主要研究内容及安排 | 第13-15页 |
| 1.3.1 主要研究内容 | 第13页 |
| 1.3.2 章节安排 | 第13-15页 |
| 第二章 脑电信号分析基础 | 第15-31页 |
| 2.1 脑电信号的基础知识 | 第15-16页 |
| 2.2 脑电信号的预处理 | 第16-26页 |
| 2.2.1 HHT分析 | 第17-18页 |
| 2.2.2 小波包分析 | 第18-20页 |
| 2.2.3 消噪过程及分析 | 第20-26页 |
| 2.3 脑电信号分析方法 | 第26-30页 |
| 2.3.1 时域分析 | 第26页 |
| 2.3.2 频域分析 | 第26-27页 |
| 2.3.3 时频分析 | 第27-29页 |
| 2.3.4 非线性动力学分析 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 变分贝叶斯隐马尔可夫模型的基础理论 | 第31-49页 |
| 3.1 变分贝叶斯理论 | 第31-33页 |
| 3.1.1 贝叶斯定理 | 第31-32页 |
| 3.1.2 变分贝叶斯学习 | 第32-33页 |
| 3.2 马尔科夫模型 | 第33-34页 |
| 3.3 隐马尔科夫模型 | 第34-41页 |
| 3.3.1 隐马尔科夫模型的介绍 | 第34-36页 |
| 3.3.2 评估问题—前向概率 | 第36-37页 |
| 3.3.3 解码问题—Viterbi解码 | 第37-38页 |
| 3.3.4 学习问题—Baum-Welch算法 | 第38-41页 |
| 3.4 隐马尔科夫模型的参数估计—VBEM算法 | 第41-48页 |
| 3.4.1 贝叶斯HMM | 第41-43页 |
| 3.4.2 变分贝叶斯公式 | 第43-46页 |
| 3.4.3 VB模型的预测概率 | 第46-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 基于变分贝叶斯理论的脑电信号分类 | 第49-56页 |
| 4.1 实验过程 | 第49-51页 |
| 4.2 脑电信号的特征提取 | 第51-52页 |
| 4.3 变分贝叶斯隐马尔可夫模型的应用 | 第52-55页 |
| 4.3.1 隐马尔可夫模型在合成数据上的应用 | 第53-54页 |
| 4.3.2 隐马尔可夫模型在抑郁症脑电信号识别上的应用 | 第54-55页 |
| 4.4 本章总结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 全文总结 | 第56页 |
| 5.2 研究展望 | 第56-58页 |
| 攻读硕士学位期间发表的论文情况 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-61页 |