基于脑电功率谱-连续隐马尔科夫链的精神疲劳分级模型

提取多通道脑电（EEG）功率谱特征,训练连续高斯密度混合隐马尔科夫模型（CHMM）,建立了基于功率谱-CHMM的精神疲劳分级模型.分级结果表明：EEG各节律功率谱及其比值是精神疲劳的敏感指标,CHMM对于不同的精神疲劳状态具有较高的分类精度,最高分类正确率达到97.5%;在训练样本相同的情况下,CHMM比反向传输人工神经网络具有更高的分类精度.     

利用Fisher判别式和事件相关电位的心理意识真实性识别

提出一种基于Fisher判别式和事件相关电位(ERP)的心理意识真实性识别新方法,以可识别的有意义的个人信息(如姓名、生日)作为被测试信息,应用隐藏信息测试(CIT)模式对15名受试者进行了测试并记录其脑电信号.将多通道ERP P300幅度和受试者的反应时间组成特征参数,利用Fisher判别式进行心理意识真实性识别分类,获得93.3%的平均识别率,明显高于以往研究方法的识别率.因此,基于多通道ERP和Fisher判别式的方法具有无创性及较高识别率等优点,可以作为一种心理意识真实性检测的新方法.     

利用小波分解和支持向量机的心理意识真实性识别研究

采用小波分解和支持向量机(SVM)技术,提出了一种对说谎脑电(EEG)信号特征进行分类的方法,将其应用于心理意识真实性的检测,获得了满意的结果.以真伪已明确的有意义的个人信息(如姓名、生日)作为被测试的隐藏信息,应用隐藏信息(CIT)测试模式对15名受试者各进行两组测试,并记录其脑电(EEG)信号.提取了探测刺激和无关刺激诱发EEG信号的小波系数,并应用具有统计学意义的特征参数作为SVM分类器的输入进行识别分类.实验结果显示,应用leave-one-out交叉验证法对30组样本数据进行训练测试,获得平均正确识别率为88.3%.因此,该方法可以作为一种心理意识真实性检测的新方法,具有无创、较高正确检测率等优点.