摘要 | 第4-7页 |
ABSTRACT | 第7-9页 |
第1章 绪论 | 第19-43页 |
1.1 课题研究背景及意义 | 第19-23页 |
1.1.1 课题来源 | 第19页 |
1.1.2 课题的研究背景 | 第19-20页 |
1.1.3 课题的研究意义 | 第20-23页 |
1.2 国内外研究现状 | 第23-35页 |
1.2.1 认知控制检测实验范式 | 第24-26页 |
1.2.2 认知控制行为学计算指标 | 第26-27页 |
1.2.3 认知控制相关神经脑区计算指标 | 第27-30页 |
1.2.4 认知控制脑电信号计算指标 | 第30-35页 |
1.3 当前研究面临的问题与挑战 | 第35-39页 |
1.4 本文主要研究工作及组织结构安排 | 第39-43页 |
1.4.1 本文主要研究工作 | 第39-40页 |
1.4.2 本文组织结构安排 | 第40-43页 |
第2章 非注意状态下情感信息认知控制的计算指标及工作机制研究 | 第43-75页 |
2.1 引言 | 第43-47页 |
2.1.1 非注意听觉信息认知控制计算指标 | 第43-44页 |
2.1.2 非注意视觉信息认知控制的计算指标 | 第44-45页 |
2.1.3 非注意情感信息认知控制的计算指标 | 第45-46页 |
2.1.4 当前研究存在的问题及本章主要研究内容 | 第46-47页 |
2.2 UAEI认知控制检测的计算指标研究方法 | 第47-56页 |
2.2.1 UAEI认知控制检测系统框架 | 第47页 |
2.2.2 设计UAEI认知控制的实验范式 | 第47-50页 |
2.2.3 脑电数据采集 | 第50-51页 |
2.2.4 自适应脑电数据的预处理 | 第51页 |
2.2.5 解调各频段脑波振荡 | 第51-55页 |
2.2.6 UAEI-ERD计算方法 | 第55-56页 |
2.2.7 振荡的UAEI-ERD指标统计分析方法 | 第56页 |
2.3 实验结果及分析 | 第56-69页 |
2.3.1 δ振荡的UAEI-ERD计算指标 | 第57-61页 |
2.3.2 θ振荡的UAEI-ERD计算指标 | 第61-64页 |
2.3.3 α1振荡的UAEI-ERD计算指标 | 第64页 |
2.3.4 α2振荡的UAEI-ERD计算指标 | 第64-66页 |
2.3.5 β1振荡的UAEI-ERD计算指标 | 第66-68页 |
2.3.6 β2振荡的UAEI-ERD计算指标 | 第68-69页 |
2.4 UAEI的认知控制的工作机制 | 第69-73页 |
2.4.1 δ振荡参与表情内容的初始更新 | 第71-72页 |
2.4.2 θ振荡参与刺激类型的识别 | 第72页 |
2.4.3 α振荡参与工作记忆 | 第72-73页 |
2.4.4 β振荡参与面孔表情的自动识别加工 | 第73页 |
2.5 本章小结 | 第73-75页 |
第3章 注意状态下听觉认知控制的计算指标及工作机制研究 | 第75-104页 |
3.1 引言 | 第75-79页 |
3.1.1 注意条件下认知控制实验范式 | 第75-76页 |
3.1.2 注意条件下认知控制的计算指标 | 第76-77页 |
3.1.3 注意条件下认知控制的工作机制 | 第77-78页 |
3.1.4 当前研究存在的问题及本章主要研究内容 | 第78-79页 |
3.2 AACI认知控制检测的计算指标研究方法 | 第79-87页 |
3.2.1 AACI认知控制检测系统框架 | 第79-80页 |
3.2.2 设计AACI认知控制的实验范式 | 第80-82页 |
3.2.3 EEG数据采集 | 第82页 |
3.2.4 脑电数据处理方法 | 第82页 |
3.2.5 计算AACI-ERP指标方法 | 第82-83页 |
3.2.6 计算AACI认知控制相关的计算指标 | 第83-86页 |
3.2.7 ACCI认知控制相关计算指标统计方法 | 第86-87页 |
3.3 实验结果及分析 | 第87-98页 |
3.3.1 行为学计算指标 | 第87-88页 |
3.3.2 AACI-ERP计算指标 | 第88-92页 |
3.3.3 AACI认知控制相关的计算指标 | 第92页 |
3.3.4 脑电位活动映射 | 第92-96页 |
3.3.5 实验结果比较 | 第96页 |
3.3.6 实验结果不同的原因 | 第96-98页 |
3.4 AACI认知控制的工作机制 | 第98-102页 |
3.4.1 感知计算指标:SCI(?AEP1, ?AEN1, ?AEP2) | 第99页 |
3.4.2 确认计算指标:ICI(?AEN2, ?AEP3) | 第99-100页 |
3.4.3 执行计算指标:ECI(?AELate-SW1, ?AELate-SW2) | 第100-101页 |
3.4.4 听觉认知控制模型 | 第101-102页 |
3.5 本章小结 | 第102-104页 |
第4章 基于单次试验脑电信号的认知控制特征的提取方法 | 第104-123页 |
4.1 引言 | 第104-107页 |
4.2 听觉认知控制缺失症及其检测实验平台设计 | 第107-109页 |
4.2.1 听觉认知控制缺失症 | 第107-108页 |
4.2.2 听觉认知控制检测实验平台的设计 | 第108-109页 |
4.2.3 实验数据采集方法 | 第109页 |
4.3 听觉认知控制检测方法 | 第109-115页 |
4.3.1 听觉认知控制检测系统模型框架 | 第109-111页 |
4.3.2 脑电实验数据的预处理方法 | 第111-112页 |
4.3.3 事件相关电位处理方法 | 第112页 |
4.3.4 统计分析 | 第112-113页 |
4.3.5 基于单次试验脑电信号的认知控制特征的提取方法 | 第113-114页 |
4.3.6 听觉认知控制脑电的检测识别方法 | 第114-115页 |
4.4 自动听觉认知控制检测相关实验结果及分析 | 第115-119页 |
4.4.1 听觉认知控制的行为学 | 第115-116页 |
4.4.2 听觉认知控制脑电的时域认知规律 | 第116-117页 |
4.4.3 基于不同特征听觉认知控制识别 | 第117-119页 |
4.4.4 基于不同听觉脑电时间段作特征听觉认知控制识别 | 第119页 |
4.5 基于认知规律的听觉认知控制的自动检测识别应用 | 第119-122页 |
4.5.1 听觉认知控制的规律及模型 | 第119-121页 |
4.5.2 基于单次认知脑电的认知控制检测识别应用 | 第121页 |
4.5.3 听觉认知控制率 | 第121-122页 |
4.6 本章小结 | 第122-123页 |
第5章 基于样本特征空间分布信息的认知控制模式分类方法研究 | 第123-135页 |
5.1 引言 | 第123-124页 |
5.2 经典模式分类方法检测认知脑电信号存在的问题 | 第124-128页 |
5.2.1 支持向量机模型 | 第124-125页 |
5.2.2 支持向量机的倾向性问题 | 第125-128页 |
5.3 基于样本特征空间分布信息的新分类器 | 第128-130页 |
5.3.1 基于支持向量的欧氏平方距离及样本数量分布信息的分类器 | 第128-129页 |
5.3.2 基于支持向量的欧氏距离及样本数量分布信息的分类器 | 第129页 |
5.3.3 基于全部样本的欧氏距离及样本数量分布信息的分类器 | 第129-130页 |
5.4 实验结果及分析 | 第130-134页 |
5.4.1 公开数据集 | 第130-132页 |
5.4.2 认知控制脑电数据集实验结果 | 第132-134页 |
5.5 本章小结 | 第134-135页 |
结论 | 第135-138页 |
参考文献 | 第138-153页 |
附录A 英文缩写对照表 | 第153-154页 |
攻读博士学位期间发表的论文及其他成果 | 第154-157页 |
致谢 | 第157-159页 |
个人简历 | 第159页 |