声明
摘要
1.1 癫痫疾病介绍
1.2 癫痫脑电概述
1.3 癫痫脑电自动检测研究意义及研究现状
1.4 论文组织结构安排
第二章 脑电信号的时频分析
2.1 短时傅里叶变换
2.2 小波变换
2.2.1 连续小波变换
2.2.2 多分辨率分析
2.2.3 快速小波变换
2.2.4 小波包变换
2.3 脑电信号的小波特征分析
2.3.1 小波函数的选择
2.3.2 小波包能量
2.4 本章小结
第三章 脑电信号的非线性特征分析
3.1 相空间重构
3.2 排列熵
3.3 近似熵
3.4 样本熵
3.4.1 样本熵算法原理
3.4.2 样本熵算法的优化
3.5 本章小结
第四章 脑电信号的分类方法
4.1 Fisher线性判别分析
4.2 支持向量机
4.3 Boosting算法
4.3.1 算法概述
4.3.2 Real AdaBoost算法
4.4 基于纠错编码的多类分类
4.4.1 概述
4.4.2 Real AdaBoost与纠错编码相结合的多类分类方法
4.5 本章小结
第五章 基于小波包能量和熵特征的癫痫脑电识别实验过程
5.1 实验数据
5.2 实验过程
5.2.1 癫痫脑电识别流程
5.2.2 数据处理及特征提取
5.2.3 模式分类
5.3 实验结果及分析
5.4 讨论
5.5 本章小结
6.1 本文总结
6.2 工作展望
参考文献
致谢
攻读硕士研究生期间的研究成果