排列复杂性度量应用于脑机接口信号分析

在排列分划的基础上,应用Lempel-Ziv复杂性和最新定义的格子复杂性分析脑机接口信号.由于对非线性时间序列的排列分划进行了重要改进,使这种粗粒化方法具有了普遍的适用性.与经验模式分解结合,将排列分划与常用的均值分划作了比较.实验表明,基于排列分划的复杂性度量可以取得较好的效果,甚至超过了均值分划经经验模式分解所能达到的最好结果,说明排列复杂性度量可作为脑电信号分析的新方法,尤其适用于需要快速处理的场合-比如脑机接口.     

基于Android的麻醉深度检测仪设计与实现

麻醉深度监测在手术室和重症监护病房起着非常重要的作用。为了方便医护人员在手术或重症监护过程中对患者的意识状态进行准确的评估,设计了一种简易的基于Android的麻醉深度检测系统。该系统主要包含三个部分:对前端采集的EEG信号进行放大滤波;对采集到的信号进行排列熵算法处理;Android人机接口界面的设计。在完成整体方案设计后,对整个系统进行了测试,并利用麻省理工学院的生理信号数据库的多导睡眠EEG数据进行测试,实验结果说明该系统能够反映病人的脑电意识状态。     

监测麻醉深度的脑电信号的近似熵特征研究

近似熵是一种用来量化时间序列复杂度的新方法。实验表明脑电信号的近似熵在监测麻醉深度过程中能很好地反映全麻时的深浅程度，且具有算法简单等特点，特别适用于分析脑电等生物信号。文章主要用近似熵监测了SD大鼠的麻醉过程，结论和事实非常吻合。     

基于排列熵算法的混沌伪随机序列复杂性分析

运用排列熵算法分析了离散混沌系统产生的混沌序列和混沌伪随机序列的复杂性,讨论了混沌系统参数对序列复杂性的影响情况。研究表明：多次粗粒化后得到的混沌伪随机序列保持了原有混沌序列的复杂性特点;与Logistic系统和Henon系统相比,TD-ERCS系统产生的混沌伪随机序列的复杂性大且相对稳定,是一个极具密码学应用价值的安全混沌系统。     

基于LZ复杂性相似度的垃圾邮件识别

提出一个基于符号序列间LZ复杂性相似度的垃圾邮件识别方法。相比基于向量空间模型的邮件识别,邮件文本间的LZ复杂性相似度计算无需对文本进行预处理和特征提取。同时,K近邻规则的延迟学习特性适合于垃圾邮件样本需要动态调整的应用环境。在Ling-Spam邮件语料集上对提出的识别方法进行十重交叉验证,其总体的识别效果优于基于向量空间模型的部分统计和机器学习方法。     

基于深度学习的精神分裂症脑电分析

精神分裂症是最常见的精神疾病之一,目前具体病因尚未明确,准确诊断患病与否是治疗该疾病的前提。深度学习是一种构造多层神经网络的机器学习方法,具有发现数据中隐藏的分布式特征表示的能力。针对精神分裂症患者的脑电信号,提出了一种栈式自编码网络深度模型,以达到根据脑电信号自动识别受试者是否患病的效果。     

基于继承图的面向对象软件复杂性度量研究

面向对象软件开发是一种新的可以减少成本、提高可用性和灵活性的高效的软件系统开发方法。复杂性度量在软件开发中起着非常重要的作用,它可减少整个开发周期的费用,但目前还没有成熟的用于面向对象软件复杂性的度量方法。文章首先通过继承图描述面向对象软件复杂性度量方法,然后讨论了单元重复继承算法,最后给出了具体实例。     

基于概念模型的本体复杂性研究

随着本体的应用和规模的扩大,其复杂性也随之增加,给本体的管理和维护带来困难,也限制了本体的使用。论文从本体概念模型的角度,对本体的复杂性及其演化规律进行了研究。主要从本体的概念、关系和路径三者的相互依赖关系,提出了本体复杂性的评价指标集。通过对GO本体的分析,验证了该指标集能较好衡量其复杂性,并反映出其演变趋势。     

基于平均复杂性的公钥密码研究

1 引言在近代密码学特别是公钥密码系统的研究中,密码系统的安全性都是基于难解的可计算问题的,如大数分解问题、计算有限域的离散对数问题、平方剩余问题以及椭圆曲线的对数问题等。必须指出的是,关于平均复杂性的研究因远比最坏情况下的复杂性研究要难得多,所以目前密码系统的安全性都是建立在最坏情     

基于复杂网络的本体结构复杂性分析

目前关于本体复杂性的研究,还没有比较系统和全面的方法。从本体概念模型的结构特点出发,将其与复杂网络的结构进行类比,借鉴复杂网络研究的研究方法和性质参数对本体结构进行研究,并选取生物学领域应用较广的GO本体作为样本,对其平均路径长度、度分布和簇系数等参数进行统计和分析,结果表明其具有无标度特性而不具有小世界特性。     

复杂性算法在图像景深扩展中的应用研究

由于光学系统受景深小的物理性能限制,对纵向变化范围较大的物体,所拍图片为局部清晰。利用Kolmogorov复杂性测度来度量不同聚焦层面形成的序列图像中对象的局部清晰程度,将序列图像聚焦清晰的部分提取并合并出一幅全清晰图像,实现景深扩展,得到清晰的全景深图像。实验证明,将复杂性测度应用于景深扩展,具有广泛的应用前景。     

概念格与粒度划分的相关性分析

粒度计算的主要任务之一是如何利用不同粒度层次间的转换来抽象出我们感兴趣的知识,而概念格的格结构在层次转换方面的高效性对有效地进行粒度层次转换有重要指导意义。本文介绍了有关粒度计算与概念格理论的相关知识,并对粒度划分的格结构及相关性质进行了证明,分析了概念格与粒度划分格在概念描述与概念层次转换之间的联系。     

Communication complexity towards lower bounds on circuit depth

Karchmer, Raz, and Wigderson (1995) discuss the circuit depth complexity of n-bit Boolean functions constructed by composing up to d = log n/log log n levels of k = log n-bit Boolean functions. Any such function is in AC¹ . They conjecture that circuit depth is additive under composition, which would imply that any (bounded fan-in) circuit for this problem requires depth. This would separate AC¹ from NC¹. They recommend using the communication game characterization of circuit depth. In order to develop techniques for using communication complexity to prove circuit depth lower bounds, they suggest an intermediate communication complexity problem which they call the Universal Composition Relation. We give an almost optimal lower bound of dk—O(d ²(k log k)^1/2) for this problem. In addition, we present a proof, directly in terms of communication complexity, that there is a function on k bits requiring circuit depth. Although this fact can be easily established using a counting argument, we hope that the ideas in our proof will be incorporated more easily into subsequent arguments which use communication complexity to prove circuit depth bounds. Received: July 30, 1999.     

基于动态标架分割法的动力学系统复杂性分析

根据符号动力系统与真实动力学系统拓扑共轭的特性,本文提出动态标架分割法,把动力学系统的某时间变量序列转化成符号序列;运用LempleZiv复杂度算法计算该符号序列的复杂度值,据此对动力学系统的复杂性进行分析,从而可以对动力学系统的性质进行定性地判断.以杜芬振子为例,数值模拟结果表明基于动态标架分割法计算得到的复杂度能够很好地描述系统的复杂性,并可定性地判断系统的性质.     

基于排列熵的SAX特征表示方法复杂度及相关特性研究

符号化聚合近似SAX方法是典型且行之有效的符号化特征表示方法。目前对SAX方法实践应用较多,然而对其内在特性,如复杂度、信息损失、相关性及周期性等方面的分析研究却相对较为少见。运用排列熵来度量SAX方法的复杂度及相关特性的统计学特征,通过在实验数据集以及真实生理数据上的实验表明,SAX方法可以明显降低特征表示的复杂度,冗余效应也得到了缓解;此外,SAX较好地保留了采用自相关函数ACF度量的内在相关性。本文工作可以对SAX方法及其进一步应用提供支撑,为新的符号化特征表示方法的设计与评估提供分析与统计工具。     

The complexity of propositional implication

The question whether a set of formulae Γ implies a formula φ is fundamental. The present paper studies the complexity of the above implication problem for propositional formulae that are built from a systematically restricted set of Boolean connectives. We give a complete complexity-theoretic classification for all sets of Boolean functions in the meaning of Post's lattice and show that the implication problem is efficiently solvable only if the connectives are definable using the constants {0,1} and only one of {∧,∨,⊕}. The problem remains coNP-complete in all other cases. We also consider the restriction of Γ to singletons which makes the problem strictly easier in some cases.     

麻醉深度神经检测模型研究现状综述

本文综述了各种麻醉深度(depthofanesthesia,DOA)神经检测技术模型,如基于双谱指数(BispectralIndexScale,BIS)、基于人工神经网络、模糊逻辑、模糊神经网络等模型。对麻醉深度神经检测发展现状和临床上存在的技术问题进行了讨论。展望了今后麻醉深度监测和控制系统可能用到的新技术。