融合多尺度脑电特征的学习风格识别

学习风格的识别与分析有助于教学者结合学生的个性化特征改进教学策略,可以有效提高教学效率和质量,在教育技术领域具有良好的发展前景.本文针对现有学习风格识别方法精度低、实现复杂、主观性强等问题,提出了一种融合脑电特征的卷积神经网络学习风格识别模型.该模型首先利用时间、空间卷积操作,充分挖掘脑电信号的时域和空间特征;然后通过构建多尺度并行卷积结构,增强了模型的特征抽象能力;最后使用全局平均池化策略减少了模型训练参数,并实现对任意大小数据的处理.在学习风格脑电测试数据集上进行实验,结果显示该算法可达到71.2%的准确率,相比于传统方法平均提高了12.1%,并减少了41%的训练参数量,证明了该模型和脑电特征的结合使用能有效识别受试者的实时学习风格.