一种新的基于小波包分解的EEG特征抽取与识别方法研究

为了提高脑思维任务分类精度,提出一种新的脑电特征抽取与识别方法.首先进行小波包分解,然后结合能反映脑电信号在时域与频域上的能量分布特征的小波包熵概念,从小波包库中选择最优小波包基,对各个最优基所对应的小波系数求取统计特性,然后根据不同脑思维任务下左右半脑各导联间的差异性对各个导联对求取不对称率构成分类特征向量,最后利用SVM分类器对其进行分类.实验结果表明:相对于一般的小波包分解,最优小波包基和自回归特征抽取方法,该方法对5类不同脑思维任务的所有10种不同组合任务对的平均分类预测精度可以达到95.41％～99.65％.     

专家寄语

波兰科学院院士Pawlak在研究关系型数据库推理10余年的基础上,于1982年提出了粗糙集理论(Rough Set Theory),它是一种关于不精确、不确定、不一致数据分析与推理的强有力的模型与理论.粗糙集理论的提出立刻引起了国际人工智能领域专家学者的重视;20世纪90年代国内从事人工智能研究的专家学者开始重视粗糙集理论与应用的研究.随着Internet技术特别是WWW技术的飞速发展,Internet已经变成一个庞大的、分布式的、异构的数据库与计算平台.传统的数据库和文本的理论、方法、技术很难应用于Web 的处理,在这样的背景下,华人专家钟宁、刘际明和姚一豫教授于2000年提出了网络智能(Web Intelligence).     

一类双重时序模型AR(1)-MA(0)的参数矩估计及其渐近性质

近年来,人们将时间序列的研究重点,逐渐转向非线性时序模型,双重时序模型就是一类很重要的非线性模型,从目前文献来看,对非线性模型的研究主要是讨论平稳解存在的条件及模型预报问题;对于模型参数的估计及其渐近性质很少研究。 本文利用矩方法,给出了双重时序模型AR(1)-MA(O)的参数矩估计。在第二重模型噪声方差已知的条件下,通过对协方差函数渐近性质的研究,证明了该估计的相容性和渐近正态性。     

粒度计算的基本问题和可能解决的方案设计

1粒度计算的研究动机 人工智能自1956年问世以来,在知识表示、问题求解、机器学习及专家系统等方面尽管取得了一些成果,但还远未形成完整的理论体系,而且面对复杂的系统设计及模糊的、不精确的、不完整的和海量的信息处理,传统理论和方法遇到了前所未有的困难.众所周知,智能模拟是获得人工智能、实现智能控制的重要途径.     

基于多智能体的对抗平台——微型足球机器人系统

本文讨论了一种具体的多智能体系统－－微型机器人足球系统，主要侧重于其视觉系统和决策系统的研究，以及该系统目前的现状、存在的不足和改进的思路。     

因果信息在不同粒度上的迁移性

知识与粒度相关,在不同粒度上对现象的解释不同,而因果性描述的是现象的本质特征。因果性与粒度之间存在着怎样的关联,一个粒度上的因果关系是否可移植到其他不同粒度上,是目前人工智能研究亟待解决的问题。针对由观测数据构成的信息系统,从数据中直接抽取因果变量所需满足的基本图形结构,估算变量间的因果关系;再通过向系统中添加新属性以及合并多个信息系统,改变原系统中信息的粒度,研究所识别的因果关系在新系统中的可迁移性。若新属性作用于结果变量,则原系统中的因果关系不可迁移至新系统;若新属性对结果变量无影响,则原系统中的因果关系可移植至新系统。     

基于相容关系的基因选择方法

有效的基因选择是对基因表达数据进行分析的重要内容。粗糙集作为一种软计算方法能够保持在数据集分类能力不变的基础上,对属性进行约简。由于基因表达数据的连续性,为了避免运用粗糙集方法所必需的离散化过程带来的信息丢失,将相容粗糙集应用于基因的特征选取,提出了基于相容关系的基因选择方法。首先,通过i检验对基因表达数据进行排列,选择评分靠前的若干基因;然后,通过相容粗糙集对这些基因进一步约简。在两个标准的基因表达数据上进行了实验,结果表明该方法是可行性和有效性的。     

基于密度加权的粗糙K-均值聚类改进算法

针对粗糙K-均值聚类算法中类均值计算式的特点,提出了一种改进的粗糙K-均值算法.改进后的算法基于数据对象所在区域的密度,在类的均值计算过程中对每个对象赋以不同的权重.不同测试数据集的实验结果表明,改进后的粗糙K-均值算法提高了聚类的准确性,降低了迭代次数,并且可以有效地减小孤立点对聚类的影响.     

嵌套决策粒度约简关系的研究

在基于粗糙集理论的知识发现中,知识约简是核心内容。因此,本文从理论上分析了相容决策表中嵌套决策粒度约简的关系,得出并证明了粗决策粒度的相对 D 核一定是细决策粒度相对 D 核的子集,粗决策粒度的一个相对D约简在满足相容性的条件下一定可以扩张成细决策粒度的一个约简。反之,细决策粒度的一个约简一定可以缩减为粗决策粒度的一个约简。研究结果对基于决策表的知识约简和知识发现有一定的实际意义。     

基于软K段主曲线算法的字符特征提取研究及实现

要提高脱机手写字符识别的识别率,关键是特征的提取。主曲线是主成分分析的非线性推广,是通过数据分布“中间”并满足“自相合”的光滑曲线。通过对现有主曲线算法分析可知：软K段主曲线算法对提取出分布在弯曲度很大或相交曲线周围的数据的主曲线效果较好。因此本文尝试用谊主曲线算法来提取脱机手写字符的结构特征。实验结果表明,利用该主曲线算法来提取脱机手写字符的结构特征不但是可行的,而且取得较好的实验效果。它为脱机手写字符特征提取的研究提供了一条新途径。