【摘 要】
：
眼动数据分析受到了广泛的研究和讨论。然而目前对眼动数据的研究主要是从“自底向上”的角度分析，缺乏对“自顶向下”因素的讨论与定量化分析计算。信息论工具可以帮助人们对眼动数据进行建模分析。因此，本文设计了两组心理物理学实验，利用信息论工具深入分析“自顶向下”因素对眼动模式的影响。首先本文设计了图像噪声评估实验以深入理解人们噪声评估的过程，并且研究了“自顶向下”的评估策略和决策效率两种因素与眼动模式之间
论文部分内容阅读
眼动数据分析受到了广泛的研究和讨论。然而目前对眼动数据的研究主要是从“自底向上”的角度分析，缺乏对“自顶向下”因素的讨论与定量化分析计算。信息论工具可以帮助人们对眼动数据进行建模分析。因此，本文设计了两组心理物理学实验，利用信息论工具深入分析“自顶向下”因素对眼动模式的影响。首先本文设计了图像噪声评估实验以深入理解人们噪声评估的过程，并且研究了“自顶向下”的评估策略和决策效率两种因素与眼动模式之间的相关性。本文使用评估时长与决策误差定义了两种评估策略，分别为速度驱动策略和准确性驱动策略。结果表明，速度驱动策略会导致人们的眼动数据有着更短的凝视时长与更强的中心偏移。与此同时，基于时空熵分析法，本文定义了一种名为冗余信息过滤量的定量化度量方式。结果显示，这种度量方式与决策效率之间有着很强的相关性。其次，本文进一步扩展研究工作，设计了虚拟驾驶任务实验以分析人们的驾驶过程。本文从多模态数据入手，使用了互信息描述头动与眼动之间的协同工作机制。分析结果显示，白天场景下的头眼协同作用最强，黄昏场景最弱。与此同时，弯道驾驶任务的头眼协同作用强于直道驾驶任务。这样的实验结果说明了，“自顶向下”的驾驶任务和“自底向上”的光照场景会显著影响头眼间协同工作机制。本课题分析角度丰富，涉及时间维度分析，多模态数据分析以及定量化计算分析。大量的实验结果充分论证了“自顶向下”因素与眼动模式之间的相关性。
其他文献
视觉信息感知与处理一直是类脑计算的热点问题之一，一方面它将有助于揭示人脑视觉系统中的高效信息处理机制，另一方面它将帮助人们解决类脑计算应用中的信息理解与处理等难题，但是目前结合类脑计算进行视觉信息处理的研究还尚未完善。本文将生物视觉理论和模拟视觉感知流程的计算模型与脉冲神经网络模型相结合，提出了模拟腹侧视觉通路功能的脑启发视觉神经元网络模型，并研究了其在FPGA平台下的高效硬件实现方法。本文主要贡
脑电图和磁共振成像是阿尔茨海默症临床诊断的有效手段，但由于缺乏有效的神经影像特征，导致阿尔茨海默症辨识准确率较低。本文将现代信息处理技术和机器学习方法相结合，对神经影像数据进行量化分析，评估患者脑功能，从而为该的病诊断提供有效依据。 设计电生理实验，采集阿尔茨海默症患者脑电数据，利用排序耦合指数分析多通道脑电信号之间的相关性，并构建脑功能网络。采用复杂网络方法，对脑功能网络结构进行分析，提取病变
准确的肾小球显微医学图像分割是肾脏病理学中获得可靠疾病诊断的关键之一。目前，肾小球图像分割研究工作大多使用的是传统的模式识别或者机器学习的方法，这些方法需要针对不同图像设计相应特征，分析方法复杂。近年来，基于卷积神经网络的深度学习技术极大地推动了数字病理学自动化分析的发展，在医学图像处理领域得到广泛应用。本文将基于卷积神经网络的深度学习方法应用于肾小球显微医学图像分割，提出一种基于改进的MaskR
随着科学技术的快速发展，旋翼无人机在许多领域取得成功的应用。但是，目前无人机主要执行的是航拍等“被动”型的任务，无法对环境物体进行抓取、维修等“主动”操作，限制了其应用范围和优势的发挥。主动作业型无人机是指由无人机与作业装置(如：机械臂)共同组成的具有主动作业能力的一种新型无人机系统。主动作业型无人机可应用在小型危险品的拾取与搬运、空中物流运输和高空设备维检等方面，具有广阔的应用前景。 旋翼飞行
海马是大脑的重要组成部分，其与人类的学习、记忆等功能紧密相关。由于海马结构复杂，建立功能网络研究其学习等功能是一种新的方法。实现对海马学习、记忆等功能的模拟是实现类脑计算的重要组成部分，而采用现场可编程门阵列(FPGA)实现海马功能网络是类脑计算的研究方向和难点之一，本文通过构建海马功能神经元网络模拟海马神经元的学习、记忆等功能，探究其网络结构与学习效果的关系，并采用FPGA实现该功能网络。 首
近年来，随着感知、通信、控制以及计算机技术的发展，信息物理系统得到了广泛的关注与研究。信息物理系统通过将信息层与物理层有机结合，实现了自动控制系统的状态感知、科学决策与精准执行。然而由于系统的复杂性以及信息层通信协议的开放性，信息物理系统面临严峻的安全挑战。多智能体系统作为一类重要的信息物理系统，在许多关键领域均有重要应用。然而，由于智能体之间通过网络以及控制协议相互作用，一旦网络结构或者控制协议
物流配送一般指从物流中心配送到客户的服务，是整个物流的末端环节，包括快递、外卖、医疗药品、应急救援物资等配送场景。近年来，人们对于物流配送时效性的要求越来越高，目前物流配送主要使用骑手或车辆方式。但在当前越来越复杂的交通环境下，采用该种方式往往会因多次绕路或交通高峰拥堵而使得配送时间延长，无法满足配送时效性要求。随着近年来无人机的快速发展和功能完善，其空中直线运载能力和能够避开复杂地面交通的特点使
高超声速飞行器具有大空域、超高速、长距离等特点，能够实现全球快速精确的战略打击，是确保国家战略安全的重要保障之一。然而，当飞行速度较低时，传统的定几何进气道高超声速飞行器会影响飞行器的机动性能。本课题采用的是平移唇罩式变进气道结构，通过进气道的前后伸缩，能够提高飞行器推进系统的性能，并提出进气道位置控制和稳定飞行控制的协调优化策略，以实现高超声速飞行器的宽马赫数范围飞行，从而改善高超声速飞行器的巡
社团发现是将网络划分成多个社团的一种任务，具有重要的理论及现实意义。图卷积网络(Graph Convolutional Networks，GCN)是近年来发展起来的一种新的用于社团发现的深度学习技术。MRFasGCN(Markov Random Field as Graph Convolutional Networks)是一个新的用于社团发现的GCN方法。该方法将社团导向的马尔科夫随机场MRF引入
随着定位系统的发展以及信息时代数据量的增大，轨迹数据异常检测算法研究的重要性以及挑战性逐渐凸显，近年来这个话题也引起了各领域学者的关注，许多优秀的轨迹异常检测算法被提出，但是现今大部分轨迹异常检测算法都不能很好的应对复杂的轨迹集，尤其是具有不同局部密度的轨迹集。同时，轨迹间相似性的度量方法作为轨迹异常检测中至关重要的一环，也一直是研究的重点和难点，尤其是对不等长轨迹来说。在本文中，为了解决上述问题