本书主要通过建立全面评价人脑认知控制能力的综合认知控制实验平台，采集实验者的认知控制脑电数据，利用数据处理方法，发现多通道进行认知控制的共性生物计算指标，从而分析各指标和认知控制过程的对应关系，挖掘认知控制的规律，并构建认知控制的相关模型。
本书提出基于认知控制的认知规律及认知控制模型，构造针对单次脑电试验进行认知控制特征提取的信号处理方法，利用新的特征提取方法所提取的特征形成样本空间分布信息，并将其融入模式分类方法，构造充分考虑单个样本的认知特性以及新的样本群体空间分布性的模式分类方法，能够实时、在线、准确地对单次试验的脑电数据进行识别。
本书对认知科学、计算机科学、智能科学和信息科学具有重要的理论意义和实用价值，可供认知心理科学家、计算机科学家、神经心理科学家以及对人脑科学感兴趣的读者阅读和参考。

第1章 人脑认知控制相关研究
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 认知控制检测实验范式
1.2.2 认知控制行为学计算指标
1.2.3 认知控制相关神经脑区计算指标
1.2.4 认知控制脑电信号计算指标
1.3 当前研究面临的问题与挑战
1.3.1 认知控制实验范式设计不足
1.3.2 认知控制计算指标方法缺陷
1.3.3 人脑认知控制机制及模型不清楚
1.3.4 缺少实时认知控制识别应用研究
1.4 本书主要研究工作及组织结构安排
1.4.1 本书主要研究工作
1.4.2 本书组织结构安排
第2章 非注意状态下情感信息认知控制的计算指标及工作机制研究
2.1 引言
2.1.1 非注意听觉信息认知控制的计算指标
2.1.2 非注意视觉信息认知控制的计算指标
2.1.3 非注意情感信息认知控制的计算指标
2.1.4 当前研究存在的问题及本章主要研究内容
2.2 UAEI认知控制检测的计算指标研究方法
2.2.1 UAEI认知控制检测系统框架
2.2.2 设计UAEI认知控制的实验范式
2.2.3 脑电数据采集
2.2.4 自适应脑电数据的预处理
2.2.5 解调各频段脑波振荡
2.2.6 非注意状态下情感信息的事件相关去同步化和同步化的UAEI-ERD计算方法
2.2.7 振荡的UAEI-ERD指标统计分析方法
2.3 实验结果及分析
2.3.1 δ振荡的UAEI-ERD计算指标
2.3.2 θ振荡的UAEI-ERD计算指标
2.3.3 α1振荡的UAEI-ERD计算指标
2.3.4 α2振荡的UAEI-ERD计算指标
2.3.5 β1振荡的UAEI-ERD计算指标
2.3.6 β2振荡的UAEI-ERD计算指标
2.4 UAEI的认知控制的工作机制
2.4.1 δ振荡参与表情内容的初始更新
2.4.2 θ振荡参与刺激类型的识别
2.4.3 α振荡参与工作记忆
2.4.4 β振荡参与面孔表情的自动识别加工
2.5 本章小结
第3章 注意状态下听觉认知控制的计算指标及工作机制研究
3.1 引言
3.1.1 注意条件下认知控制实验范式
3.1.2 注意条件下认知控制的计算指标
3.1.3 注意条件下认知控制的工作机制
3.1.4 当前研究存在的问题及本章主要研究内容
3.2 AACI认知控制检测的计算指标研究方法
3.2.1 AACI认知控制检测系统框架
3.2.2 设计AACI认知控制的实验范式
3.2.3 EEG数据采集
3.2.4 脑电数据处理方法
3.2.5 计算AACI-ERP指标方法
3.2.6 计算AACI认知控制相关的计算指标
3.2.7 ACCI认知控制相关计算指标统计方法
3.3 实验结果及分析
3.3.1 行为学计算指标
3.3.2 AACI-ERP计算指标
3.3.3 AACI认知控制相关的计算指标
3.3.4 脑电位活动映射
3.3.5 实验结果比较
3.3.6 AACI-ERP计算指标的统计结果及分析
3.4 AACI认知控制的工作机制
3.4.1 感知计算指标：SCI（△AEP1, AAEN1,AAEP2）
3.4.2 确认计算指标：ICI（△AEN2, △AEP3）
3.4.3 执行计算指标：ECI（AAELate-SW1, AAELate-SW2）
3.4.4 听觉认知控制模型
3.5 本章小结
第4章 基于单次实验脑电信号的认知控制特征的提取方法
4.1 引言
4.2 听觉认知控制缺失症及其检测实验平台设计
4.2.1 听觉认知控制缺失症
4.2.2 听觉认知控制检测实验平台的设计
4.2.3 实验数据采集方法
4.3 听觉认知控制检测方法
4.3.1 听觉认知控制检测系统模型框架
4.3.2 脑电实验数据的预处理方法
4.3.3 事件相关电位处理方法
4.3.4 统计分析
4.3.5 基于单次实验脑电信号的认知控制特征的提取方法
4.3.6 听觉认知控制脑电的检测识别方法
4.4 自动听觉认知控制检测相关实验结果及分析
4.4.1 听觉认知控制的行为学
4.4.2 听觉认知控制脑电的时域认知规律
4.4.3 基于不同特征听觉认知控制识别
4.4.4 基于不同听觉脑电时间段作特征听觉认知控制识别
4.5 基于认知规律的听觉认知控制的自动检测识别应用
4.5.1 听觉认知控制的规律及模型
4.5.2 基干单次认知脑电的认知控制检测识别应用
4.5.3 听觉认知控制率
4.6 本章小结
第5章 基于样本特征空间分布信息的认知控制模式分类方法研究
5.1 引言
5.2 经典模式分类方法检测认知脑电信号存在的问题
5.2.1 支持向量机模型
5.2.2 SVM的倾向性问题
5.3 基于样本特征空间分布信息的新分类器
5.3.1 基于支持向量的欧氏平方距离及样本数量分布信息的分类器
5.3.2 基于支持向量的欧氏距离及样本数量分布信息的分类器
5.3.3 基于全部样本的欧氏距离及样本数量分布信息的分类器
5.4 实验结果及分析
5.4.1 公开数据集
5.4.2 认知控制脑电数据集实验结果
5.5 本章小结
第6章 总结
参考文献