TY - Jour Au - Ma，Pengcheng Au - Gao，Qian Py - 2020 DA - 2020 / 05/16 Ti - EEG信号和专题交互建模的眼睛行为预测研究SP - 2801015 VL - 2020 AB - 近年来大脑科学和生物医学工程的发展，以及脑电图的快速发展（EEG）信号分析方法，利用EEG信号监测人类健康已成为一个非常流行的研究领域。本文的创新是通过构建深度分解机模型来分析EEG信号，使得在分析用户交互的特征的基础上，我们可以使用EEG数据来预测眼睛的二项式（开放眼睛和闭着眼睛）。研究的重要性是，我们可以通过探测长期的眼睛来诊断疲劳和人体的健康。在此推断的基础上，该方法可以对提高推荐系统推荐结果的准确性进行进一步有用的辅助支持。在本文中，我们首先通过小波变换技术提取EEG数据的特征，然后构建一个并行组合分子机（FM）和长短期存储器（LSTM）的深度分解机模型（FM + LSTM）。通过真实数据集的测试，所提出的模型比其他分类器模型获得更高的预测结果。此外，本文提出的模型不仅适用于眼睛特征，还适用于推荐系统中的交互功能（用户疲劳）。本文获得的结论将是在推荐系统中确定用户偏好的重要因素，这将用于在未来工作中的图形神经网络的互动特征分析。 SN - 1748-670X UR - https://doi.org/10.1155/2020/2801015 DO - 10.1155/2020/2801015 JF - Computational and Mathematical Methods in Medicine PB - Hindawi KW - ER -