猜拳博弈过程脑电的时频特征分析及基于优选特征的博弈决策预测

博弈是人类根据信息和经验做出使利益最大化决策的一种行为。对博弈的脑研究由来已久,使用的方法也各不相同,但都测重于博弈的原理研究,对博弈过程中脑活动的认知规律研究几乎无人涉足。本文设计了具有静息、评估、决策、反馈、休息五个阶段的 “石头-剪刀-布”猜拳博弈实验范式。采集并提取了17名被试在博弈活动不同阶段脑电波的时频特征,通过研究评估阶段脑活动的认知规律,提出了基于优选特征的博弈决策预测方法。使用SVM对决策过程训练并识别,达到了80%的识别率,说明了本文提出的优选特征能够很好地表达博弈认知过程的特点。      

面向事件相关电位成分的稀疏字典构建方法

利用稀疏分解来研究EEG信号是一种新兴的可靠的方法。常见的稀疏字典学习算法中,K-SVD算法得到了比较广泛的应用。但是利用K-SVD算法获得的字典原子很难完整的包含EEG信号中的事件相关电位（ERP）成分,通常样本中的ERP成分都会分布在大量原子中。本文提出把常用的K-SVD算法基础结合稀疏性能指标作为约束条件,解决稀疏字典难以与ERP成分对应的问题,并给出利用该算法进行ERP分析的步骤。通过在一个基于听觉刺激的公开数据集上使用本文的方法,成功地获得了包含完整目标ERP成分的字典原子,证明了方法的可行性。