基于同步性脑网络的注意力识别研究

摘要：

检测人类大脑的注意力状态是脑机接口技术的一个研究热点.从EEG(Electroencephalogram)脑网络的视角来探寻注意力的形成机理并进行分类研究,提出了一种基于同步性脑网络和信息增益的注意力分类算法(SBN-IG).该算法采用锁相值(Phase Locking Value,PLV)构建脑网络提取大脑信息的耦合关系,同时为了保留脑网络结构的信息,采用卷积神经网络作为分类器,构建了一种基于同步性脑网络的注意力分类算法(SBN),分类准确率达到了90.09％.为了后续的应用需求,对SBN增加了基于信息增益的特征稀疏算法,以充分提取脑网络的重要连接信息,降低特征的冗余度,构成算法SBN-IG.结果表明,特征稀疏后使用13个电极就能够实现86.88％的分类准确率,同时提升了算法效率,降低了运算量,为实时检测注意力设备研发提供了算法基础.

关键词：注意力分类、卷积神经网络、特征选择、锁相值、信息增益

所属期刊栏目：33

分类号：TP183;TN911.8(自动化基础理论)

资助基金：国家自然科学基金;江苏省高校教育信息化研究重点课题

在线出版日期：2023-03-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：146-152