论文部分内容阅读
警觉度是指人集中精力对刺激保持警惕并且维持一段时间的能力。在日常生活中，有时候我们需要维持一定的警觉度。譬如，驾车时我们就必须时刻保持清醒状态。所以，我们需要一种能够实时监控我们警觉度状态的技术。分析脑电信号是一种经常用来研究被试试警觉度的方法。到目前位置，大部分研究人员都使用有监督的学习来研究分析脑电信号。然而，要获取足够多的有警觉度标号的脑电信号是一件非常困难的事情，而且通常实验中所获得的标号并不准确，并且很多标记脑电信号对应的警觉度的方法还有可能会给我们采集到的信号带来额外的噪音干扰。
本文提出了一种半监督学习的方法来分析脑电信号所对应的警觉度状态。该方法只要使用很少一部分有标号信息的脑电数据，然后利用警觉度转化的一些先验知识来指导脑电信号聚类工作。当聚类完毕后，使用能量分析和同步性分析来检验聚类结果的准确性。在若干被试身上的实验结果表明：所提出的方法不单可以分辨出清醒和睡眠两种极端状态下的脑电信号，还能区分出两种中间过渡警觉度状态。
本研究主要贡献如下：①使用半监督的方法来分析脑电信号数据。由于脑电数据的标号信息很难精确的获得，而半监督的学习方法仅仅需要少部分标号信息，来指引进一步的聚类过程。②使用时空滤波方法，对脑电信号进行预处理。该方法可以很好的去除脑电信号中和警觉度无关的背景信号。③提出了一种新的聚类算法，对于处理脑电信号这类数据，该算法相对于传统的谱聚类以及软聚类算法而言，可以达到更好的聚类效果。最后，通过使用能量分析和相位同步性分析，进一步验证了我们聚类的结果。