基于小波包熵和支持向量机的运动想象任务分类研究

对运动想象脑电特征进行准确提取和分类是脑-机接口技术研究的重要问题。针对脑电信号非平稳性和非线性特点,提出了一种将小波包熵(WPE)和支持向量机(SVM)相结合的脑电信号识别方法,利用小波包系数能量分布分析脑电时频特性,结合信息熵分析其不确定性和复杂性,并从单次实验中提取运动想象脑电特征;通过支持向量机对特征信号进行分类,采用了一种核函数参数v和误差惩罚因子c的最佳寻优方法,并用互信息(MI)、信噪比(SNR)、最小错分率(MR)等准则对分类器进行评判。测试结果为:想象左右手运动脑电信号识别精度达到90%,M I为0.65 bit,SNR为1.44。结果表明WPE-SVM识别方法能够准确提取脑电本质特征,具有较强的分类性能和抗干扰能力,为大脑运动意识任务分类提供了有效方法,它可以应用于脑-机接口系统中。     

偏最小二乘法荧光光谱预测啶虫脒农药残留

为满足农药残留多组分含量测定的要求,对荧光光谱法测量农药残留得到的混合光谱进行分离,基于偏最小二乘法建立荧光光谱测量系统校正模型,并预测啶虫脒残留量。选择20个特征波长,采用交互验证方法,以预测残差平方和为评价指标,确定最优主成份数,获得了最佳分析模型。通过对预测集进行测试,滤纸带和西红柿表面啶虫脒残留浓度为100,220,450mg/kg的预测值分别是101.45,222.91,440.08mg/kg和98.67,208.56,419.22mg/kg,预测值和真实值的相关系数分别达到0.996和0.988。实验显示,采用偏最小二乘法结合荧光光谱测定啶虫脒农药残留,具有快速、无损、测量精度高等特点,并表明该方法用于定量分析复杂多组分体系是有效的。