基于眼動數(shù)據的模式識別算法研究.pdf

1、隨著神經科學與認知科學的迅速發(fā)展，人類對眼動及其生理意義的研究也日益加深。由于眼動被人們認為是視覺信息加工研究中的重要手段，并且也有研究表明眼動的各種模式一直與人的心理變化相關聯(lián)，對眼動的研究越來越受到神經科學與認知科學研究領域的科學家們的重視，人類對眼動的研究也取得了越來越重大的成果。
　　現(xiàn)代科學家們對視覺信息加工的研究主要是通過對腦電或腦電與眼動相結合的研究進行的。在分析腦電和眼動數(shù)據時，模式識別即為其中的一種重要方法。本文

2、則按照一個經典的眼動實驗范式設計實驗，令被試進行視覺刺激的判斷任務，以達到探討對視覺認知任務進行判斷的生理學意義的目的。
　　我們對眼動數(shù)據進行分析和處理所用到的算法當中，在對眼動數(shù)據進行分類之前采用了歸一化的預處理方法，顯著性分析用的是方差分析的方法，模式分類算法采用的是Fisher線性判別法和SVM分類法。通過對實驗得到的眼動數(shù)據進行顯著性分析及模式分類后得出以下結論：
　　1.在視覺認知任務為可識別的情況下，認知任務難

3、度與快速眼動次數(shù)及快速眼動幅度呈正相關的關系。而在視覺認知任務不可識別的情況下，快速眼動的次數(shù)和幅度均小于可識別的情況下的快速眼動的次數(shù)和幅度。這一結果表明，快速眼動的特征反映的是對視覺認知任務的識別能力。
　　2.對于眼動數(shù)據的分類來說，最適合用于分類的參量是幅度參量，最不適合用于分類的參量是持續(xù)時間參量；
　　3.2-incoherent實驗條件下與其它3種實驗條件下的各個參量均有顯著性差異而其它任意兩種實驗條件下的各參