第1章 绪论
1.1.1 脑电图简介
1.1.2 癫痫脑电图简介
1.1.3 癫痫检测研究的意义
1.2 癫痫检测研究现状
1.3 本文方法
1.4 本文结构安排
第2章 脑电纹理特征提取
2.1 离散小波变换
2.2 局部二值模式(LBP)及其改进模式纹理特征
2.3 脑电纹理特征提取
2.3.1 一维均匀局部二值模式(uniform 1D-LBP)
2.3.2 灰度共生矩阵
2.3 本章小结
第3章 基于EasyEnsemble学习的不平衡分类
3.1 不平衡分类算法
3.1.1 数据集层面上的不平衡分类
3.1.2 算法层面上不平衡分类
3.2 基于EasyEnsemble学习的不平衡分类算法
3.3 本章小结
第4章 实验过程与结果讨论
4.1 实验数据
4.1.1颅内脑电数据集
4.1.2头皮脑电数据集
4.1.3短数据集
4.2 实验过程
4.2.1 预处理
4.2.2 特征提取
4.2.3 基于EasyEnsemble学习的不平衡分类
4.2.4 后处理
4.3 实验评估标准
4.4.1 短数据集上中心点特征提取的邻域参数选取结果
4.4.2 长数据集上基于片段的评估结果与比较
4.4.3 基于事件的评估结果与比较
4.4.4 在灰度共生矩阵纹理上基于片段的评估结果与比较
4.5 不同算法评估结果比较与讨论
4.5.1 本系统与单平衡分类模型的比较
4.5.2 本系统与不同方法评估结果的比较
4.5.3 系统局限性
4.6本章小结
第5章 结论与展望
5.1 结论
5.2 未来展望
5.3 本章小结
参考文献
硕士期间研究成果
致谢
山东师范大学;