声明
第一章 诸论
1.1 研究目的与意义
1.2 国内外相关领域的研究进展
1.3 脑电图检测在癫痫中的应用
1.4 本文主要的研究工作
1.5 论文结构
第二章 相关理论与技术介绍
2.1 问题定义
2.2 相关知识
2.2.1非线性动力学
2.2.2复杂性科学
2.3 自适应去趋势方法AFA
2.3.1分形理论
2.3.2自适应分形分析
2.4 基于复杂性科学的递归时间方法
2.5 单分类支持向量机
2.6 功率谱密度PSD
2.7 尺度相关的李雅普诺夫指数SDLE
第三章 基于复杂性科学递归时间方法分析脑电数据
3.1 问题的分析与提出
3.2 数据来源与介绍
3.2.1数据采集
3.2.2数据介绍
3.3 数据预处理
3.3.1构建双耳级导联
3.3.2数据清洗
3.3.3数据集成-冗余分析
3.3.4数据标记
3.3.5数据标准化
3.4 基于复杂性科学递归时间方法提取特征
3.4.1基于复杂性科学递归时间方法
3.4.2参数选择
3.4.3参数自适应
3.5 基于单分类支持向量机的生成模型
3.5.1单分类支持向量机
3.5.2参数选择
3.6 实验结果与算法性能分析
3.6.1基于复杂性科学递归时间实验结果
3.6.2单分类支持向量机实验结果
3.7 实验结果优化
3.7.1癫痫信号进一步处理
3.7.2 PSD频段分析
3.8 实验应用
3.8.1癫痫脑电数据离线分析发作情况
3.8.2癫痫发作报警
3.9 本章小结
第四章 基于多尺度相关的李雅普诺夫指数的脑电分析对比实验
4.1 问题描述和分析
4.2 基本思想
4.3 实验结果和分析
4.3.1实验结果
4.3.2实验结果及性能分析
4.4 本章小结
第五章 总结与展望
5.1 研究工作总结
5.2 展望
参考文献
致谢
广西大学;
