視覺搜索是在視覺場景中快速識別目標,是一種重要的認知能力。視覺搜索過程中內(nèi)隱的注意轉(zhuǎn)移產(chǎn)生偏側(cè)性的N2pc事件相關(guān)電位,通常在刺激出現(xiàn)后200ms左右的后部電極記錄到。根據(jù)這種特性,N2pc可以用于確定視覺搜索任務(wù)中側(cè)向目標的方向,對需要內(nèi)隱注意的腦機接口應(yīng)用具有重大意義。由于腦電采集的無創(chuàng)性、高時間分辨率等特性而廣泛應(yīng)用于腦機接口控制中。本文探索了基于腦電的視覺搜索分類方法,識別視野中的單個目標。主要內(nèi)容包括以下三個方面:第一,基于N2pc的視覺搜索分類。根據(jù)N2pc的偏側(cè)性,可以用來測量雙側(cè)視野的注意轉(zhuǎn)移,定位側(cè)向目標的空間位置。發(fā)展了多成分相關(guān)成分分析(multiple correlated component analysis,MCORCA)方法,在單次試驗的情況下識別串行搜索任務(wù)中的側(cè)向目標,該方法可以提取最優(yōu)相關(guān)成分的線性組合。在頭表和皮層兩個水平上的平均分類正確率分別達到了82%和84%。結(jié)果表明,基于MCORCA的分類方法可以改善基于N2pc腦機接口的分類性能,N2pc可以用于視覺搜索分類。第二,基于腦網(wǎng)絡(luò)的視覺搜索分類。采用加權(quán)最小模估計對頭表腦電進行源定位,重建源時...

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
注釋表
第1章 緒論
    1.1 腦電概述
    1.2 視覺搜索分類
    1.3 腦網(wǎng)絡(luò)研究
    1.4 深度遷移學(xué)習(xí)
        1.4.1 卷積神經(jīng)網(wǎng)絡(luò)
        1.4.2 深度遷移學(xué)習(xí)
    1.5 論文研究內(nèi)容和組織結(jié)構(gòu)
第2章 基于N2pc的視覺搜索分類研究
    2.1 引言
    2.2 數(shù)據(jù)采集
        2.2.1 被試
        2.2.2 實驗設(shè)計
        2.2.3 腦電記錄和預(yù)處理
    2.3 基于頭表N2pc的視覺搜索分類
        2.3.1 對側(cè)和同側(cè)波形
        2.3.2 基于差異幅值的特征提取
        2.3.3 遞歸特征消除支持向量機
        2.3.4 多成分相關(guān)成分分析
        2.3.5 性能評估
    2.4 基于皮層N2pc的視覺搜索分類
        2.4.1 最小模估計
        2.4.2 皮層N2pc特征提取及分類
    2.5 結(jié)果
        2.5.1 反應(yīng)時
        2.5.2 N2pc
        2.5.3 基于頭表N2pc的左右視野目標識別
        2.5.4 基于皮層N2pc的左右視野目標識別
    2.6 討論
    2.7 本章小結(jié)
第3章 基于腦網(wǎng)絡(luò)的視覺搜索分類研究
    3.1 引言
    3.2 數(shù)據(jù)采集及預(yù)處理
        3.2.1 被試
        3.2.2 實驗設(shè)計
        3.2.3 腦電記錄和預(yù)處理
    3.3 小波相干
    3.4 基于小波相干的視覺搜索網(wǎng)絡(luò)分析
        3.4.1 小波相干分析
        3.4.2 視覺搜索差異網(wǎng)絡(luò)構(gòu)建
        3.4.3 基于差異腦網(wǎng)絡(luò)分類
    3.5 結(jié)果
        3.5.1 差異腦網(wǎng)絡(luò)
        3.5.2 分類結(jié)果
    3.6 討論
    3.7 本章小結(jié)
第4章 基于深度遷移學(xué)習(xí)的視覺搜索分類
    4.1 引言
    4.2 數(shù)據(jù)采集及預(yù)處理
        4.2.1 被試
        4.2.2 實驗設(shè)計
        4.2.3 腦電采集
        4.2.4 腦電預(yù)處理
    4.3 基于卷積神經(jīng)網(wǎng)絡(luò)的遷移學(xué)習(xí)
        4.3.1 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        4.3.2 卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練
        4.3.3 深度遷移學(xué)習(xí)
        4.3.4 基于深度遷移的視覺搜索分類
    4.4 結(jié)果
        4.4.1 分類結(jié)果
        4.4.2 可視化
    4.5 討論
    4.6 本章小結(jié)
第5章 總結(jié)與展望
    5.1 本文總結(jié)
    5.2 工作展望
參考文獻
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果



本文編號：3847487