认知神经科学研究中事件相关电位数据的统计分析

摘要

社会决策行为的脑机制的研究是认知神经机制研究的热点问题，研究社会决策的动态过程对理解社会决策的认知及神经机制问题起关键作用，尤其是可提高预测的准确性.事件相关电位技术具有高时间分辨率和无创性等特点，是研究社会决策动态性过程的有利工具.事件相关电位(ERP)是一种特殊的脑诱发电位，是大脑对刺激所含信息的反应，反映了认知过程中大脑的神经电生理改变.研究事件相关电位有着重要的理论与现实意义，通过分解决策过程中的关键成分，对这些成分在决策过程中发生的时间（起始点）和幅度的统计推断是这一领域的关键问题. 函数型数据分析是近年来被广泛应用的适用性极强的统计方法，本文拟从函数型数据角度研究社会决策动态性过程研究中产生的ERP数据.一是:利用函数型数据聚类方法分别对不同实验条件下额叶和枕叶的30个电极所产生的ERP进行聚类，研究该实验条件诱发的电位变化在额叶和枕叶之间是否具有可识别性.二是:利用函数型数据判别分析方法实现基于较少试次ERP分类，模拟结果显示在试次为60时，除了电极f2、fc2、fz、cb2、ft8外，其它电极分类正确率可达80％以上.在预测问题研究中，我们可以减少试验次数，解决长时间试验带来的被试疲劳问题，同时也可以大大降低试验成本.

目录

摘要

第1章 绪论

1．1 研究背景与意义

1．2 函数型数据分析的研究现状及意义

1．3 本文研究的主要内容和各章安排

第2章 函数型数据分析简介

2．1 函数型数据的特征

2．2 函数型数据分析的目的

2．3 函数型数据的预处理

2．4 常用的统计量

2．5 本章小结

第3章 函数型数据聚类分析及其应用

3．1 经典的聚类分析

3．2 函数型数据聚类分析

3．3 实例分析

3．4 本章小结

第4章 函数型判别分析及其应用

4．1 基于函数型主成分分析的判别分析

4．2 实例分析

4．3 本章小结

结论

参考文献

攻读硕士学位期间所发表的学术论文

声明

致谢