本文選題：稀疏貝葉斯網(wǎng)絡(luò) + 情緒�。� 參考：《生物醫(yī)學(xué)工程學(xué)雜志》2015年05期

【摘要】：腦功能網(wǎng)絡(luò)探索是揭示大腦處理情緒時(shí)潛在神經(jīng)聯(lián)系的重要手段,稀疏貝葉斯網(wǎng)絡(luò)(SBN)方法可以分析各區(qū)域因果特性及相互影響,逐漸被應(yīng)用于腦網(wǎng)絡(luò)的研究中。本文提取了22名被試情緒腦電(EEG)的theta和alpha頻段,構(gòu)建了不同情緒喚醒度的有效性腦網(wǎng)絡(luò),并對(duì)節(jié)點(diǎn)的度、平均聚類系數(shù)和特征路徑長(zhǎng)度進(jìn)行分析。結(jié)果發(fā)現(xiàn):1相比于低喚醒度的EEG信號(hào),左中顳在高喚醒度狀態(tài)的因果影響都很明顯,而右前額的因果影響都不顯著;2高喚醒度的平均聚類系數(shù)較高,而低喚醒度的特征路徑長(zhǎng)度較短。
[Abstract]:The exploration of brain functional networks is an important means to reveal the potential neural connections in the brain. The sparse Bayesian network (SBN) method can analyze the causality and interaction between different regions and is gradually applied to the study of brain networks. In this paper, the theta and alpha bands of 22 subjects were extracted, and the effective brain networks with different emotional arousal degrees were constructed, and the degree of nodes, average clustering coefficient and characteristic path length were analyzed. The results showed that the causal effect of the left middle temporal in the high arousal state was obvious compared with the EEG signal with low arousal degree, while the causal effect of the right forehead was not significant. The average clustering coefficient of the high arousal degree was higher than that of the right forehead. The characteristic path length of low arousal degree is shorter.
【作者單位】： 南京師范大學(xué)教育科學(xué)學(xué)院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(31272511)子項(xiàng)目資助 江蘇省中小學(xué)綜合素質(zhì)評(píng)價(jià)指標(biāo)體系構(gòu)建項(xiàng)目資助(B-b/2013/01/035) 江蘇省教育科學(xué)“十二五”規(guī)劃2013年度重點(diǎn)課題資助項(xiàng)目
【分類號(hào)】：TN911.7;R338

【共引文獻(xiàn)】

相關(guān)博士學(xué)位論文 前10條

1 杜文博;面向航空交通系統(tǒng)的復(fù)雜網(wǎng)絡(luò)與網(wǎng)絡(luò)動(dòng)力學(xué)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2010年

2 籍艷;幾類時(shí)滯系統(tǒng)的穩(wěn)定與同步[D];江南大學(xué);2010年

3 徐旭林;社會(huì)群體行為建模及其動(dòng)力學(xué)分析[D];南開大學(xué);2010年

4 杜方;復(fù)雜網(wǎng)絡(luò)系統(tǒng)間相似性識(shí)別及其應(yīng)用[D];浙江大學(xué);2010年

5 張建輝;節(jié)點(diǎn)勢(shì)能導(dǎo)向多下一跳路由協(xié)議研究與性能評(píng)價(jià)[D];解放軍信息工程大學(xué);2009年

6 高磊;P2P工作流系統(tǒng)中的資源搜索及負(fù)載均衡優(yōu)化研究[D];山東大學(xué);2010年

7 張澤華;云計(jì)算聯(lián)盟建模及實(shí)現(xiàn)的關(guān)鍵技術(shù)研究[D];云南大學(xué);2010年

8 沈波;基于不完全測(cè)量信息的非線性隨機(jī)系統(tǒng)的濾波與控制[D];東華大學(xué);2011年

9 王耀;隨機(jī)復(fù)雜動(dòng)態(tài)網(wǎng)絡(luò)的同步與穩(wěn)定性分析[D];東華大學(xué);2010年

10 徐玉華;幾類新連續(xù)混沌系統(tǒng)的基本動(dòng)力學(xué)特性、控制與同步[D];東華大學(xué);2010年

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馮業(yè)榮;BP網(wǎng)絡(luò)及其學(xué)習(xí)功能初探[J];廣東氣象;1995年01期

2 卓瑩;張強(qiáng);龔正虎;;網(wǎng)絡(luò)態(tài)勢(shì)預(yù)測(cè)的廣義回歸神經(jīng)網(wǎng)絡(luò)模型[J];解放軍理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年02期

3 岳博,焦李成;Bayes網(wǎng)絡(luò)學(xué)習(xí)的MCMC方法[J];控制理論與應(yīng)用;2003年04期

4 王艷;李應(yīng)興;靳二輝;;復(fù)雜網(wǎng)絡(luò)健壯社團(tuán)挖掘算法[J];計(jì)算機(jī)工程與應(yīng)用;2012年31期

5 余振復(fù);;N位M進(jìn)制數(shù)碼網(wǎng)絡(luò)及其參數(shù)計(jì)算[J];自動(dòng)化學(xué)報(bào);1981年02期

6 孫鴻賓;吳子燕;劉書奎;;基于動(dòng)態(tài)Bayes網(wǎng)絡(luò)的結(jié)構(gòu)時(shí)變可靠性分析[J];應(yīng)用數(shù)學(xué)和力學(xué);2014年01期

7 朱朝暉;滕少華;廖俊;游俊慧;黃國(guó)康;莊卿卿;;GSM網(wǎng)絡(luò)優(yōu)化支撐系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];江西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年04期

8 梁斌梅;;基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的動(dòng)態(tài)地震預(yù)測(cè)模型[J];控制工程;2010年S2期

9 ，

本文編號(hào)：2005504