脑信息特征的评价分类方法

对脑信息处理的能力特征量和总体偏离度特征量进行了确定性评价分类.在分类数上,提出了common分类法,以一般人的特征作为分类基准,在common两边展开,以确定分类数.在分类边界上,提出了根据特征量的正态分布确定分类边界的方法.若特征量分布不是正态分布,则采用了博克斯和考克斯变换将其变为正态分布,最终得到能力特征量和总体偏离度特征量的分类规则.由于人的行为是脑信息处理在宏观上的表现,所以其研究成果可直接用来评价人的能力和行为特征.     

脑信息处理的特性检测研究

提出一种脑信息处理宏观运动特征的检测分析方法.该方法不涉及单个脑神经细胞之间的信息处理,而只研究在某个特定指令下受试者在一定时间段内连续进行简单逻辑判断作业时,受试者脑信息处理的宏观运动形态、宏观运动形态的共性和因人而异的个性,以及脑信息处理动态特征和人的行为特征之间的关系.因为人的行为是脑信息处理在宏观上的表现,所以其研究成果可直接用来检测人的能力和行为特征.     

基于脑信息特征的大学生心理问题判断模型

利用RBF神经网络提出了一种基于脑信息特征的大学生心理问题判断模型.采用脑信息特征检测方法对180名临床诊断为有心理问题的大学生和300名心理正常的大学生进行了测试,并对测试的数据进行了脑信息特征提取.然后根据提取的脑信息特征及其他数据,利用RBF神经网络,建立了心理问题的判断模型和结合专家经验的两阶段判断方法.237名测试样本的实验结果表明正确率可达85.1%,因此该判断模型是可行的.     

脑信息处理动态特征研究

为提取脑信息处理过程中的动态特征参数,提出运用基于相空间重构思想的时间序列分维算法(G-P算法). 讨论了G-P算法的3个重要参数(即无标度域、嵌入维数和延时)的确定规则,记录大脑在不同状态下的EEG信号并计算其关联维数. 实验结果表明,EEG关联维数能够反映脑信息处理过程中的神经元群活动状态,可作为脑信息处理的非线性特征参数.     

心理动态特征评价基准的研究

首先对心理动态特征进行了定义，然后通过对中国人的UK心理测验的结果进行随机抽样，利用最小二乘法确定了一种对心理动态特征进行有效评价的评价基准．该评价基准不但能反映心理动态特征的共性，还能根据被测者的UK作业量曲线方便地计算出被测验者的评价基准曲线，从而对受测者进行心理动态特征的评价．最后通过一个具体事例对该评价过程做了说明．该方法也可以应用到uK心理测验的数据自动化处理中。     

UK心理测试自动分析系统的手写体数字识别

针对UK心理测试自动分析系统的手写体数字识别问题,提出了结构特征和统计特征相组合的三级分类方案.经过印刷体去除、二值化、作业量判别等预处理之后,一级分类器提取点、线、圆等结构特征并进行组合构造相应模板,然后采用粗细两阶段方案进行模板匹配;二级分类器提取区域模糊统计特征,构造了10个一对多的SVM分类器;三级分类器提取投影特征、笔划特征、Fourier变换特征等,然后利用RBF神经网络进行分类.实验表明该方法合理有效.