现代社会生活节奏和生活压力的日益增大,人们的各类心理问题和精神疾病的数量呈上升趋势。乐易心法能够解决现代社会中人们的焦虑失落和幸福感下降等心理问题,是适合现代人的科学禅修方法。打坐冥想是乐易心法的修行内容和方法之一。冥想时大脑产生的脑电图具有与普通状态不同的特征,可以将这种特征应用于神经反馈系统,使修行者能够在神经反馈系统的辅助下方便地进行冥想训练。本研究通过对禅修者在冥想过程中采集得到的脑电图信号进行数据挖掘研究,提出了脑电图个性化校准方案,通过机器学习算法生成的分类器能够以超过90%的准确率识别高水平禅修者的冥想脑电图样例。本文针对乐易心法四阶段冥想过程设计了脑电图实验。实验过程中,20名被试进行静虑-专注-正念-坐忘四阶段冥想,将静虑阶段的脑电图作为基准数据,用于个性化校准。在数据挖掘过程中,将脑电图数据变换为15维特征向量并对其进行个性化校准以及回归与分类。实验结果表明,个性化校准方案能够有效提高分类算法的准确性,使其达到90%以上准确率。本研究还对15维脑电图特征数据进行降维,但降维结果难以满足神经反馈疗法的需要。在前期脑电图实验和数据挖掘研究的基础上,本研究设计并实现了基于监督学习框架的智能冥想神经反馈系统。本研究指出了已有冥想神经反馈研究和产品的不足,并针对乐易心法修行的需求,对系统的功能、算法、界面、交互进行了设计和构建。最后,本研究讨论了关于禅悟和禅悟的人工智能验证问题,介绍了高等人工智能原理的全信息理论和智能生成机制理论,以及由元胞自动机研究产生的关于复杂的理论,并分析了这两个理论对冥想系统和禅悟的人工智能验证问题的意义。