1.一种基于脑网络和正则化判别分析的脑电分析方法,其特征在于,该方法包括以下步骤:步骤1:实验数据的采集:对现实生活中的任务场景进行模拟,采集受试者脑电信号并对所述脑电信号进行预处理;
使用具有动态能量约束的虚拟碗球系统作为实验范式,以做到对现实生活中试验任务的模拟;
对经过预处理的数据进行数据格式处理,将二维脑电信号变为四维张量形式,对原有二维数据进行依次截取1s,经过数据整理形成,即样本点数目×通道数目×实验次数×类别结构的四维张量形式的数据;
步骤2:计算所述脑电信号数据中每两个时间序列的相位滞后系数,构建邻接矩阵,所述邻接矩阵即为原始脑网络;
步骤3:对所述步骤2构建的原始脑网络进行动态阈值优化;
根据设定的网络平均度、网络连接密度两个指标对步骤2所得的数据矩阵进行动态阈值优化,在优化之前,先将阈值初始化为1,当网络同时满足网络平均度大于2lnN,其中N为网节点个数,网络连接密度小于50%时,阈值减小0.001,重复步骤3;否则对邻接矩阵进行二值化;根据这个二维矩阵来构建相应的脑网络,在所构建的脑网络中不同通道节点之间的连线代表了二值矩阵的元素大小;
步骤4:依据所述步骤3中得到的优化后的阈值对所述邻接矩阵进行二值化,构建稀疏化的功能性脑网络;
步骤5:计算所述步骤4所构建的所述脑网络的度,并作为特征;以及步骤6:对所述步骤5中的特征使用正则化判别分析,并使用受试者操作曲线下面的面积作为评价指标进行参数优化,最终得到分别识别率;
在所述步骤1中,使用数字带通陷波滤波器对采集到的脑电信号进行预处理;
在所述步骤6中,使用正则化判别分析对原数据提取出的特征进行解码,根据评价指标完成参数优化。