[发明专利]基于智能迷宫的大脑训练评价系统及其评价方法

权利要求书

1.基于智能迷宫的大脑训练评价系统，其特征在于，所述迷宫水平评价系统设置于赛台上，迷宫水平评价系统包括：迷宫，脑电波测试装置，脑电波分析模块，水平评价模块，用于拍摄迷宫的摄像仪，用于现场显示和记录迷宫行走实况的显示与记录系统，以及控制模块；所述控制模块分别与脑电波测试装置，脑电波分析模块,水平评价模块，摄像仪，显示与记录系统电连接，控制模块还具有输入设备，用于输入包括专家评价的得分。

2.根据权利要求1的基于智能迷宫的大脑训练评价系统的评价方法，其特征在于，包括如下步骤：

S1控制模块控制打开脑电波测试装置，脑电波分析模块，水平评价模块，摄像仪，显示与记录系统，使处于工作状态；

S2将测试者头部与电波测试装置中传感贴片连接，并进行测试，每隔2-5秒对五个脑电波特征信号采样一次；此时水平评价模块开始计时，脑电波分析模块接受、降噪处理脑电波特征信号，将处理后的电波特征信号传递给水平评价模块；与此同时，摄像仪开始拍摄迷宫录像，裁判通过显示与记录系统中的显示屏观看比赛；

S3将测得的行走顺畅正值p1、行走不顺畅负值p2为、焦虑负值p3、克服焦虑正值p4、比赛兴奋正值p5五个电波特征信号、比赛时间得分正值p6的作为六个评价指标，每隔2-5秒对五个脑电波特征信号采样一次，获取到的五类脑电波特征信号值；

S4.比赛结束时，获得比赛时间得分，将所有采样值以及比赛时间得分在水平评价模块中进行熵权法处理得到得分F'，获得机器评价结果，其中每个指标的得分为所有采样得分的算术平均值，F'为六个指标的得分的算术平均值；裁判通过显示与记录系统的输入设备输入人工评价得分F1，F2...Fn，其中n为不为零的自然数，并由水平评价模块计算综合评价得分F＝aF'+bF1+cF2+...+xFn，其中a，b，c,...,x为正实数权重，0.5≤a＜1，且a+b+c+...+x＝1；a，b，c，d...x根据裁判的等级水平给到相应的权重，等级越高权重越大；

对于熵权法计算方法如下：

(1)假设有m个待评价采样样本，n项评价指标，形成原始指标数据矩阵：，其中x_ij表示第i个采样样本第j项评价指标的数值；

(2)对各指标进行标准化处理如下：

p1、p4、p5、p6采用正向指标:，

p2、p3采用负向指标：

(3)计算权重

计算第j个指标中，第i个采样值(已标准化)的权重

(4)计算第j个指标熵：

其中k＞0，

因为0≤ej≤1，于是

(5)权重计算：

其中d_j＝1-e_j

(6)计算得到第i个采样样本的得分值：

3.根据权利要求2的评价方法，其特征在于，设置一名特级裁判给0.2权重，一名一级裁判给0.15权重，其他裁判中的每一位给剩余的权重的按照人头的平均数z；设一共y名其他裁判，则z＝(0.65-a)/y。

4.根据权利要求2或3的评价方法，其特征在于，步骤S3中根据比赛时间超出世界最快纪录时间的百分比来w相应计算比赛时间得分f＝1/(1+w)；当至少一名选手用时平或超过世界最快纪录时间，则即人工评价其中最快者为最优秀。

5.一种能够优化微微鼠迷宫能力的方法，其特征在于，通过世界排名前一百优秀者的根据权利要求2所得到的六个评价指标值来进行多种不同迷宫的深度学习，而在行走中岔路位置点选择最高得分的路径进行，从而不断积累迷宫行走的技巧，优化微微鼠的迷宫行走能力。

6.根据权利要求4的方法,其特征在于,所述深度学习包括卷积神经网络、自编码、稀疏编码，以及深度置信网络中的至少一种。