支持向量机（SVM）算法及其在脑电逆问题方面的应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-16页 |
| §1-1 课题的研究背景 | 第8页 |
| §1-2 脑研究的意义及方法 | 第8-10页 |
| 1-2-1 脑研究的重要意义 | 第8-9页 |
| 1-2-2 脑研究的主要方法 | 第9-10页 |
| §1-3 脑电研究概述 | 第10-14页 |
| 1-3-1 脑电场的研究意义 | 第10页 |
| 1-3-2 脑电信号的基本原理 | 第10-12页 |
| 1-3-3 脑电图的检测 | 第12-13页 |
| 1-3-4 脑电逆问题描述 | 第13-14页 |
| §1-4 本文的主要研究内容 | 第14-16页 |
| 第二章 脑电正问题的模型和算法 | 第16-30页 |
| §2-1 脑电正问题的模型 | 第16-17页 |
| 2-1-1 球头模型 | 第16页 |
| 2-1-2 椭球模型 | 第16-17页 |
| 2-1-3 真实头模型 | 第17页 |
| §2-2 脑电正问题算法 | 第17-30页 |
| 2-2-1 脑电正问题的一般表述 | 第17页 |
| 2-2-2 脑电正问题研究的解析法 | 第17-20页 |
| 2-2-3 脑电正问题研究真实头模型的数值解 | 第20-30页 |
| 第三章 脑电逆问题 | 第30-35页 |
| §3-1 脑电逆问题的模型 | 第30-32页 |
| 3-1-1 脑电偶极子模型 | 第30-31页 |
| 3-1-2 电阻网络模型 | 第31-32页 |
| §3-2 求解脑电逆问题的方法 | 第32-35页 |
| 3-2-1 基于等效偶极子的参数定位法 | 第32-33页 |
| 3-2-2 基于电流分布的图像重建法 | 第33-35页 |
| 第四章 支持向量机算法 | 第35-53页 |
| §4-1 支持向量机算法描述 | 第35-43页 |
| 4-1-1 支持向量机方法的理论基础 | 第35-42页 |
| 4-1-2 支持向量机的产生背景 | 第42-43页 |
| §4-2 支持向量机算法描述 | 第43-51页 |
| 4-2-1 支持向量分类算法 | 第43-47页 |
| 4-2-2 支持向量回归算法 | 第47-51页 |
| §4-3 支持向量机优化算法 | 第51-53页 |
| 4-3-1 块算法 | 第51页 |
| 4-3-2 分解算法 | 第51-52页 |
| 4-3-3 顺次最小优化算法 | 第52-53页 |
| 第五章 基于回归模型的源定位方法 | 第53-62页 |
| §5-1 源定位问题中的回归方法 | 第53-54页 |
| §5-2 算法模型 | 第54-55页 |
| §5-3 逆问题算法设计 | 第55-56页 |
| §5-4 仿真结果 | 第56-59页 |
| §5-5 LS-SVM 算法 | 第59-60页 |
| §5-6 结论 | 第60-62页 |
| 第六章 总结和展望 | 第62-64页 |
| §6-1 本文总结 | 第62页 |
| §6-2 展望 | 第62-64页 |
| 参考文献 | 第64-66页 |
| 致谢 | 第66页 |
