-
公开(公告)号:CN116736978A
公开(公告)日:2023-09-12
申请号:CN202310673992.3
申请日:2023-06-07
申请人: 成都信息工程大学
IPC分类号: G06F3/01 , G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/08
摘要: 本发明公开了一种基于BPR‑STNet的跨被试游戏玩家专业水平分类方法,包括:S1、获取游戏玩家的EEG信号原始数据,并对其进行预处理,构建EEG信号序列;S2、利用训练好的基于BPR‑STNet的专业水平分类模型对EEG信号序列进行处理,识别游戏玩家专业水平;S3、基于游戏玩家专业水平,提取对应的关键特征并结合EEG信号序列,确定游戏玩家不同脑区贡献度的脑地形图,实现跨被试游戏玩家专业水平分类。本发明提供的专业水平分类模型,可以充分学习EEG信号中的时空特征,得出了γ频段是跨被试水平分类效果,发现专业水平游戏玩家的大脑活动对模型决策影响最大的区域是顶叶区和颞叶区;进而实现准确的跨被试分类。
-
公开(公告)号:CN115146765A
公开(公告)日:2022-10-04
申请号:CN202210791342.4
申请日:2022-07-07
申请人: 成都信息工程大学
摘要: 本发明公开一种基于深度学习和跨步长特征提取的尖峰识别方法,应用于神经科学和生物医学信号处理领域,针对现有技术检测出来的尖峰质量较差,尖峰分类不准确的问题;本发明采用1D_CNN进行尖峰检测和基于跨步长特征提取进行尖峰分类;本发明基于1D_CNN检测出来的尖峰数据质量完全可以用于尖峰分类且本发明的尖峰分类模型的准确率也高于现有技术;本发明提出的分类模型具有很高的精度和很强的鲁棒性,检测模型和分类模型的结合,为实时检测分类多通道尖峰奠定了基础。
-