高级认知过程一直是研究者们致力探索的重要研究领域,它在生物医学工程、心理学、脑-机接口（Brain-computer interface,BCI）和疾病诊断等方面具有潜在应用价值。但是,目前对高级认知过程仍缺乏深入的了解。隐马尔可夫模型（Hidden Markov model,HMM）作为一种机器学习模型能在全脑和组水平上识别出大脑活动的内部模式。因此,基于前人的认知研究基础,本文采用HMM从新的角度对人类重要的高级认知过程进行了较系统的研究。论文具体研究内容如下:1、HMM在决策中的研究。决策是人类的重要认知行为,正确的决策选择和反馈学习对人的生存和生活具有重要意义。基于经典的博弈任务范式,我们利用H MM研究了连续决策选择和反馈过程的信息处理阶段,探究了不同决策选择（即大赌注选择或小赌注选择）和不同反馈（即获益反馈或损失反馈）间的差异。结果显示,连续决策选择和反馈过程可以划分为约几个状态（或处理阶段）,且状态转移序列在试次间具有变异性,在组水平上具有一致性。此外,时变网络显示,决策选择后,大赌注选择主要对应于右侧额叶和中央右侧的激活模式,而小赌注选择则更多的与左侧额叶的网络激活模式相对应。在反馈方面,获益反馈主要诱发右侧额叶和中央右侧的脑区活动,而损失反馈表现出从左侧额叶到额叶中部的网络变化。此研究探索了连续决策选择和反馈过程,分析了其内部信息处理机制,比较了不同决策选择和不同反馈之间的差异,有助于类脑决策系统的设计。2、HMM在P300中的研究。P300作为一种注意和工作记忆的电生理指标已广泛应用于BCI控制、认知评估和临床诊断等。然而之前的研究主要关注偏差刺激,标准刺激和偏差刺激的研究较少。因此,本文利用HMM探索了P300相关信息处理过程,旨在发现其内部动态网络,找到不同刺激条件间的差异,并分析与P300幅值相关的网络切换模式。脑电（Electroencephalogram,EEG）建模研究表明,不同刺激条件间存在一个一致的动态网络模式,而其内部差异主要体现在两个时期:一个是刺激期,对应于中央后回和顶上小叶的脑区激活;另一个是反应期,主要涉及额上回和额内侧回的网络激活模式。为弥补EEG数据空间分辨率不高的劣势,我们还进行了同步EEG和功能磁共振（functional magnetic resonance imaging,f MRI）研究。结果显示,转移到左侧额叶和左侧脑岛的网络概率与P300幅值呈正相关,且其网络激活概率随任务的进行逐渐升高。此研究从不同水平对P300相关过程进行了研究,探索了不同条件间的一致性和差异性,研究了与P300幅值相关的网络转移,有助于相关认知过程的神经机制理解。综上,基于高效的HMM方法,本文对人类的高级认知过程进行了深入研究,探索了认知过程中的信息处理阶段和动态网络模式,展示了不同实验条件的差异,为高级认知过程研究提供了新的思路,或能推动脑科学和神经工程领域的发展。