【技术实现步骤摘要】
本专利技术涉及eeg专注度-分心度双维度分类方法，具体为基于非线性数学的eeg专注度-分心度双维度分类方法。
技术介绍
1、传统的注意力评估方法往往只关注专注度，忽视了分心度的独立作用。现有技术主要存在以下局限：
2、单一维度：大多数方法(如us10398370b2,cn110099025a)仅考虑单一的注意力维度，无法全面描述复杂的认知状态。
3、线性假设：许多现有方法(如ep3315069a1)采用线性或简单非线性模型，难以捕捉eeg信号中的复杂动态特性。
4、状态分类粗糙：现有技术通常只能区分有限的几种注意力状态，难以识别细微的状态差异。
5、个体适应性差：大多数方法缺乏对个体差异的有效适应机制。
6、本专利技术旨在克服这些局限，提供一种更全面、精确的认知状态评估方法。
技术实现思路
1、为实现以上目的，本专利技术通过以下技术方案予以实现：基于非线性数学的eeg专注度-分心度双维度分类方法，包括以下步骤：
2、步...
【技术保护点】
1.基于非线性数学的EEG专注度-分心度双维度分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于非线性数学的EEG专注度-分心度双维度分类方法，其特征在于，所述非线性耦合动力学模型使用如下方程：
3.根据权利要求2所述的基于非线性数学的EEG专注度-分心度双维度分类方法，其特征在于，所述混沌分析包括计算最大李雅普诺夫指数，包括如下步骤：
4.根据权利要求3所述的基于非线性数学的EEG专注度-分心度双维度分类方法，其特征在于，所述状态分类包括但不限于：高专注低分心、高专注高分心、低专注低分心、低专注高分心和中等专注中等...
【技术特征摘要】
1.基于非线性数学的eeg专注度-分心度双维度分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于非线性数学的eeg专注度-分心度双维度分类方法，其特征在于，所述非线性耦合动力学模型使用如下方程：
3.根据权利要求2所述的基于非线性数学的eeg专注度-分心度双维度分类方法，其特征在于，所述混沌分析包括计算最大李雅普诺夫指数，包括如下步骤：
4.根据权利要求3所述的基于非线性数学的eeg专注度-分心度双维度分类方法，其特征在于，所述状态分类包括但不限于：高专注低分心、高专注高分心、低专注低分心、低专注高分心和中等专注中等分心五种状态，且在这五种状态的分类中，总体准确率不低于90％。
5.根据权利要求4所述的基于非线性数学的eeg专注度-分心度双...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。