| 摘要 | 第1-10页 |
| ABSTRACT | 第10-13页 |
| 第一章 绪论 | 第13-26页 |
| ·脑─机接口的研究发展概况 | 第13-18页 |
| ·脑─机接口的研究意义 | 第13-14页 |
| ·脑─机接口系统的原理及结构 | 第14-15页 |
| ·脑─机接口的分类 | 第15-16页 |
| ·脑─机接口技术的研究现状 | 第16-18页 |
| ·基于P300的脑─机接口系统的研究概况 | 第18-24页 |
| ·事件相关电位与P300 | 第18-20页 |
| ·基于P300的脑─机接口系统的基本特征 | 第20-22页 |
| ·P300识别算法的研究现状及存在的主要问题 | 第22-24页 |
| ·论文的主要工作和创新点 | 第24-25页 |
| ·论文的结构安排 | 第25-26页 |
| 第二章 支持向量机算法 | 第26-37页 |
| ·线性硬间隔支持向量机 | 第26-30页 |
| ·线性软间隔支持向量机 | 第30-32页 |
| ·非线性硬间隔支持向量机 | 第32-34页 |
| ·非线性软间隔支持向量机 | 第34-35页 |
| ·本章小结 | 第35-37页 |
| 第三章 基于F-score 特征选择和 SVM 的 P300 识别算法 | 第37-47页 |
| ·脑电数据的描述及预处理 | 第37-39页 |
| ·数据描述 | 第37-39页 |
| ·预处理 | 第39页 |
| ·训练样本集的选择 | 第39-40页 |
| ·F-score特征选择 | 第40-42页 |
| ·最优分类器参数的选择 | 第42-44页 |
| ·字符的推断 | 第44页 |
| ·结果分析与比较 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于小波分解的P300提取算法 | 第47-57页 |
| ·小波分解的理论基础 | 第47-50页 |
| ·小波变换 | 第47-48页 |
| ·多尺度分析 | 第48页 |
| ·小波分解 | 第48-50页 |
| ·基于小波分解的P300特征提取方法 | 第50-54页 |
| ·脑电数据的预处理 | 第50页 |
| ·基于小波分解的特征提取 | 第50-52页 |
| ·训练及验证样本集的生成 | 第52-54页 |
| ·最优 P300 分类器设计及字符识别 | 第54-55页 |
| ·结果分析与比较 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 基于F-score的最优导联选择算法 | 第57-63页 |
| ·传统的导联选择方法 | 第57-58页 |
| ·基于 F-score 的导联选择方法 | 第58-61页 |
| ·脑电数据的预处理 | 第58页 |
| ·训练及验证样本集的生成 | 第58-59页 |
| ·F-score 最优导联选择 | 第59-61页 |
| ·最优 P300 分类器设计及字符识别 | 第61-62页 |
| ·结果分析与比较 | 第62页 |
| ·本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-66页 |
| ·工作总结 | 第63-64页 |
| ·今后的工作方向 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-73页 |
| 作者攻读硕士学位期间发表的论文 | 第73-74页 |
| 学位论文评阅及答辩情况表 | 第74页 |