共查询到18条相似文献,搜索用时 62 毫秒
1.
情感识别是情感计算的一个关键问题。针对表面肌电信号(EMG)的非平稳性,采用小波变换方法对表面肌电信号进行分析,提取小波系数最大值和最小值构造特征矢量输入用L-M算法改进的BP神经网络分类器进行情感状态识别。实验表明,用表面肌电信号对joy、anger、sadness、pleasure 4种情感识别效果较好。也说明用小波变换方法提取特征,用神经网络作分类器的方法用于情感识别有很大的应用前景。 相似文献
2.
情感识别是情感计算的一个关键问题。针对表面肌电信号(EMG)的非平稳性,根据小波包变换在不同时频段均能精确的刻画信号,并提供丰富模式信息的特点,提出利用小波包熵方法对不同情感状态下的表面肌电信号进行分析。实验表明,该方法对情感的唤醒度识别效果较好。 相似文献
3.
本文采用熵特征的提取方法,大大减小了特征值的计算量,增强了小波神经网络(WNN)识别的有效性。同时采用改进的算法训练小波神经网络,有效的避免算法陷入局部最小值,克服了传统BP网络的固有缺点,并提高了小波神经网络的训练速度。结果表明,该系统能快速有效的识别出数字信号的调制类型,具有较高的识别精度。 相似文献
4.
5.
6.
表面肌电信号识别特征提取的仿真研究 总被引:1,自引:0,他引:1
研究表面肌电信号准确识别问题,表面肌电信号含有大量的噪声,且特征维数高,传统方法无法消除其中的噪声,选择最重要识别特征信号,表面肌电信号识别正确率低.为提高表面肌电信号的识别正确率,提出一种新的表面肌电信号识别模型.首先采用小波变换提取表面肌电信号特征,消除信号中的噪声,然后采用遗传算法选择最优特征信号,降低特征维数,最后采用遗传算法对支持向量机参数进行优化建立最优表面肌电信号识别模型.仿真结果表明,模型可很好地解决传统方法中的难题,提高了表面肌电信号的平均识别正确率,识别结果非常稳定,为表面肌电信号提供了一种新的识别方法. 相似文献
7.
8.
基于小波变换和神经网络的PCB检测 总被引:3,自引:0,他引:3
小渡变换是空间、时间和频率的局域变换,它能通过伸缩和平移等运算对覆盖整个频域的信号逐步进行多尺度细化分析.人工神经网络以其独特的非线性、非凸性、自适应性和处理各种信息的能力.广泛应用于工业领域.本文将小波变换快速算法在图像处理领域中表现出的多尺度分析与BP神经网络算法相结合.运用于电子工业检测系统中.提出对印制电路板PCB进行边缘检测、缺陷分类的方法. 相似文献
9.
10.
11.
12.
一种网络流量预测的小波神经网络模型 总被引:11,自引:1,他引:11
结合小波变换和人工神经网络的优势,建立一种网络流量预测的小波神经网络模型。首先对流量时间序列进行小波分解,得到小波变换尺度系数序列和小波系数序列,以系数序列和原来的流量时间序列分别作为模型的输入和输出,构造人工神经网络并且加以训练。用实际网络流量对该模型进行验证,结果表明,该模型具有较高的预测效果。 相似文献
13.
针对传统情感识别方法中脑电信号特征提取与辨识困难的问题,本文提出一种基于深层残差网络和长短时记忆网络的情感识别方法。首先,将DEAP生理数据信号进行连续小波变换得到相应的时频谱图;然后对时频谱图进行灰度化和归一化,再将灰度图降维至适当大小;最后将压缩后的时频谱图作为深层残差网络的输入,将DRN学习到的顶层特征进行向量化,并输入长短时记忆网络网络实现情感识别。实验结果表明:提出的CWT-DRN-LSTM模型情感识别准确率达99.23%,标准差仅0.27,相比于其它组合模型在识别准确率方面具有较大优势。 相似文献
14.
提出基于BP算法的小波神经网络改进算法。仿真结果表明它避免了BP 神经网络结构设计的盲目性和局部最优等非线性优化问题,简化了训练,具有较强的函数学习能力和推广能力。该算法成功应用于桥梁损伤预测,具有广泛的应用前景。 相似文献
15.
Ahmad Banakar Mohammad Fazle Azeem 《Soft Computing - A Fusion of Foundations, Methodologies and Applications》2008,12(8):789-808
From the well-known advantages and valuable features of wavelets when used in neural network, two type of networks (i.e.,
SWNN and MWNN) have been proposed. These networks are single hidden layer network. Each neuron in the hidden layer is comprised
of wavelet and sigmoidal activation functions. First model is derived from adding the outputs of wavelet and sigmoidal activation
functions, while in the second model outputs of wavelet and sigmoidal activation function are multiplied together. Using these
proposed networks in consequent part of the neuro-fuzzy model, which result summation wavelet neuro-fuzzy and multiplication
wavelet neuro-fuzzy models, are also proposed. Different types of wavelet function are tested with proposed networks and fuzzy
models on four different types of examples. Convergence of the learning process is also guaranteed by performing stability
analysis using Lyapunov function. 相似文献
16.
通过MFFC计算出的语音特征系数,由于语音信号的动态性,帧之间有重叠,噪声的影响,使特征系数不能完全反映出语音的信息。提出一种隐马尔可夫模型(HMM)和小波神经网络(WNN)混合模型的抗噪语音识别方法。该方法对MFCC特征系数利用小波神经网络进行训练,得到新的MFCC特征系数。实验结果表明,在噪声环境下,该混合模型比单纯HMM具有更强的噪声鲁棒性,明显改善了语音识别系统的性能。 相似文献
17.
D.A. Asfani A.K. MuhammadSyafaruddin M.H. PurnomoT. Hiyama 《Expert systems with applications》2012,39(5):5367-5375
Monitoring system for induction motor is widely developed to detect the incipient fault. Such system is desirable to detect the fault at the running condition to avoid the motor stop running suddenly. In this paper, a new method for detection system is proposed that emphasizes the fault occurrences as temporary short circuit in induction motor winding. The investigation of fault detection is focused on the transient phenomena during starting and ending points of temporary short circuit. The proposed system utilizes the wavelet transform for processing the motor current signal. Energy level of high frequency signal from wavelet transform is used as the input variable of neural network which works as detection system. Three types of neural networks are developed and evaluated including feed forward neural network (FFNN), Elman neural network (ELMNN) and radial basis functions neural network (RBFNN). The results show that ELMNN is the most simply and accurate system that can recognize all of unseen data test. Laboratory based experimental setup is performed to provide real-time measurement data for this research. 相似文献