高频脑电是指频率在36-44Hz的阵发性脑电,高频脑电携带有丰富的思维活动信息,是大脑的功能及状态的反映。通过对高频脑电的研究来反映出注意、抽象和形象思维等精神活动的机理。高频脑电是混沌信号,具有广泛的非线性动力学特征。在深入研究对比的基础上,选择两个分类效果较好的非线性动力学参数即关联维数和Lyapunov指数对高频脑电数据进行处理,提取高频脑电数据的非线性动力学特征参数进行分类判断。对关联维数的计算方法采用传统的G-P方法、对Lyapunov指数的计算方法采用小数据量方法。研究采用RBF概率神经元网络原理设计训练RBF概率神经网络,构建了基于关联维数、Lyapunov指数的RBF概率神经网络,用来作为专家系统推理依据。结果表明RBF径向基神经网络的分类效果和学习速度均优于BP神经网络算法。为适应实时、连续的、多人群多导联、疾病预防和监测的复杂情况,研究应用云计算这种分布式并行计算技术,能响应数据处理的实时并行性,还能大数据量的存储。在此基础上,本研究采用Hadoop云计算的分布式存储架构和并行分布式计算技术设计并实现了基于Hadoop云环境下高频脑电非线性动力学参数的RBF概率神经网络辅助诊断专家系统原型。