基于复杂脑电网络的关键节点识别分析-电气工程专业论文.docx

ThesisSubmittedtoHebeiUniversityofTechnologyforTheMasterDegreeof ElectricalEngineeringANALYSISOFEVALUATINGNODEIMPORTANCEBASEDONCOMPLEXEEGNETWORKby Liang ManSupervisor:Prof.Li XiaoxiaNovember2014原创性声明本人郑重声明:所呈交的学位论文，是本人在导师指导下，进行研究工作所取得的成果。除文中已经注明引用的内容外，本学位论文不包含任何他人或集体已经发表的作品内容，也不包含本人为获得其他学位而使用过的材料。对本论文所涉及的研究工作做出贡献的其他个人或集体，均已在文中以明确方式标明。本学位论文原创性声明的法律责任由本人承担。学位论文作者签名:灵t二日期:ρl午.11‘kt关于学位论文版权使用授权的说明本人完全了解河北工业大学关于收集、保存、使用学位论文的以下规定:学校有权采用影印、缩印、扫描、数字化或其它手段保存论文:学校有权提供本学位论文全文或者部分内容的阅览服务:学校有权将学位论文的全部或部分内容编入有关数据库进行检索、交流;学校有权向国家有关部门或者机构送交论文的复印件和电子版。(必威体育官网网址的学位论文在解密后适用本授权说明〉学位论文作者签名:朵在导师签名:力收日期:W}I争:Jl、苏日期:TrJA今‘1/，对/摘要近年来，复杂网络的研究在各个领域开始发展起来，作为复杂网络主要内容之一 的关键节点识别研究也日益受到关注。关键节点识别在现实中有重要意义，一方面可 以保护关键节点来提高网络的可靠性，另一方面也可以攻击关键节点来摧毁网络。现在，关键节点识别的方法有很多种，可大致划分为两类，一类是将节点的重要 度等同于显著性，另一类将节点重要度等同于破坏度。针对现有识别方法相对孤立的 现状，本文采用TOPSIS 法，即逼近于理想解的节点排序法对脑电网络进行关键节点 的识别。这种方法综合考虑每个测度指标的不同侧重点，以及网络不断在变化的事实， 提高了关键节点识别度。本文充分考虑脑网络的拓扑特性，利用希尔伯特相位同步分析方法来对脑电波所 含的α波、β波、δ波和θ波进行研究。首先，确定对志愿者进行数据采集时所带的电极 帽内的64个电极为网络节点，其次，对数据进行离线分析处理，然后运用希尔伯特 相位同步分析法得到相位矩阵，再设置适当的阈值，构建大脑功能性网络。在得到大脑功能性网络的基础上，利用MATLAB编程计算出不同状态下脑网络 的度及度分布、聚类系数、平均路径长度、聚类系数、介数等具体参数。再通过TOPSIS 法对节点进行排序和关键节点的识别。最后，与节点拓扑势法识别出的节点对比，证 明TOPSIS法的识别度高。利用复杂网络抗毁性理论验证本文采用的方法能有效识别 出脑电网络关键节点，并利用复杂网络分析软件Pajek画出不同情况下脑电网络图， 直观地得到大脑网络中节点的连接变化。之前绝大多数的复杂网络关键节点识别都是使用单个参数指标，这样孤立使用忽 略了它们之间的关联性，与实际也不符合。影响网络的因素有很多，因此要综合考虑， 本文采用TOPSIS逼近于理想解的排序法，将有效参数指标整合起来对脑网络关键节 点进行识别，从信息学角度分析脑网络的变化。此方法为利用复杂网络实现脑电网络 关键节点的识别提供了新的思路。关键字：复杂网络,脑电图, 希尔伯特变换, 相位同步,TOPSIS 法IABSTRACTInrecentyears,thestudyofcomplexnetworkshasdevelopedinvariousfields,asoneresearchfieldofcomplexnetwork,theanalysisofevaluatingnodeimportancehasbecomeanessentialroleinthisarea.Identificationofkeynodeshashighapplicationvalueinthereality,thenetworks’reliability canbeimprovedthroughperfectingtheirkeynodes,andon theotherhand,theresearchcandestroysomenetworksbyattackingthesenodes deliberately.Recently,therearemanykindsofresearchestofindthekeynodesinnetworks,which canbedividedintotwokinds,onekindisthenodeimportantdegreeisequaltosignificant, anoth