基于部分相位同步的中少年脑电分析

应用一种基于部分相位同步的算法,该算法与双变量相位同步分析方法相比,在多变量非线性系统中能有效地推断直接耦合关系 还是间接耦合关系,因此,可以用此方法判定系统之间的耦合程度。首先把该方法应用于3个耦合的Rossler混沌系统中,仿真结果表明,部分相位同步方法能够准确地推断Rossl er系统之间的耦合关系。然后应用该方法对少年人脑电与中年人脑电进行分析,实验结果表明,少年人脑电耦合程度与中年人脑电耦合程度有显著的差异,说明部分相位同步算法可以作为区分中少年脑电信号的一个依据。     

基于复杂网络的脑电信号分析

采用相空间重构方法将一维脑电信号转换成复杂网络进行研究。将一维时间序列构造成多维相空间,计算多维时间序列任两个向量点间的距离得到加权矩阵,选择恰当的阈值将加权矩阵转换成二进制矩阵,该二进制矩阵视做时间序列所对应的复杂网络的邻接矩阵,阈值的选择使得生成的复杂网络满足连通性。利用该方法对睁眼和闭眼时的脑电信号进行辨别分析。结果表明,两信号的递归图、网络拓扑图、网络度分布和模体分布均表现出显著不同。因此,此分析方法为利用复杂网络实现分析和辨识不同脑电提供了新的思路。     

基于复杂网络的情感分类特征选择

首先针对公共情感词典对专业领域适用性较低问题,以公共情感词典作为种子情感词典,以评论语料库中未出现在公共情感词典中的形容词作为候选情感词,在此基础之上利用点互信息理论构建专业领域的情感词典。其次针对在线评论情感分类问题,利用复杂网络理论提出了一种新的情感分类特征选择算法,改进了传统特征选择算法忽略特征语义相关信息,遗漏评论情感资源的问题。通过构建候选特征词关系网络,利用复杂网络节点重要性理论,考虑节点的局部和全局重要性,提出了利用网络节点的度中心性、介数中心性和接近中心性综合衡量节点重要性来选择情感分类特征的算法NTFS(Complex network feature selection)。最后以iPhone手机的在线评论为实验数据,利用SVM、NNET、NB分类器对比了NTFS、GI、CHI传统特征选择方法,实验证明NTFS在分类性能上优于GI,CHI算法。     

基于同步性静息态脑网络的原发性失眠诊断

全球有约1/3的人口曾受到失眠的困扰，研究表明脑电的高度觉醒是失眠的一个重要原因，表现在高频脑电活动的增强。然而，由于存在较大的干扰因素，日常静息态条件下评判困难。因此本文提取原发性失眠患者和健康对照的脑电图（Electroencephalogram，EEG）高频频带（Beta、Gamma频带），使用更适合EEG这种非线性、非平稳信号的相位锁相值（Phase locking value， PLV）方法来构建静息态功能脑网络，使用自适应阈值技术进行二值化处理。为了提升失眠症脑网络特征评价的可靠性，综合了各脑网络特征，提出了用于失眠症检测的脑网络综合度量指标。且发现在Gamma频带上，综合指标在原发性失眠患者组与健康对照组之间存在显著性差异（p=0.044）。应用支持向量机（Support vector machine， SVM）进行自动分类，在Beta频带上的正确率达77.7%，灵敏度达90.7%，相较于原始网络特征正确率提高了9.4%，灵敏度提高了20.7%；同时与现有研究对比，本文提出的脑网络综合度量指标的正确率提升了19.4%，灵敏度提升了20.7%。此外，发现Beta频带的综合度量指标分类效果更好，对于失眠症患者的日常诊断具有潜在的应用价值。     

精分EEG脑网络同步稳定性研究

为了深入表征和刻画精神分裂症患者大脑活动时各个电极通道的状态变化，通过利用复杂网络同步稳定理论以及精分工作记忆实验范式对EEG信号进行分析。从复杂网络角度出发构建脑功能网络，并利用特征谱比值法分析脑网络及其同步性随时间的演化过程。对比实验表明精分患者和正常对照组同步能力具有很大差异且差异主要源于对应脑网络的一个局部化区域S的不同，并通过设计对比实验进一步验证此区域对脑网络同步影响的有效性。脑网络同步稳定区域S的发现对研究神经精神性疾病下脑网络的演化过程提供了新的思路。     

基于混合神经网络的脑电时空特征情感分类

提出一种脑电图（electroencephalograph,简称EEG）数据表示方法,将一维链式EEG向量序列转换成二维网状矩阵序列,使矩阵结构与EEG电极位置的脑区分布相对应,以此来更好地表示物理上多个相邻电极EEG信号之间的空间相关性.再应用滑动窗将二维矩阵序列分成一个个等长的时间片段,作为新的融合了EEG时空相关性的数据表示.还提出了级联卷积-循环神经网络（CASC_CNN_LSTM）与级联卷积-卷积神经网络（CASC_CNN_CNN）这两种混合深度学习模型,二者都通过CNN卷积神经网络从转换的二维网状EEG数据表示中捕获物理上相邻脑电信号之间的空间相关性,而前者通过LSTM循环神经网络学习EEG数据流在时序上的依赖关系,后者则通过CNN卷积神经网络挖掘局部时间与空间更深层的相关判别性特征,从而精确识别脑电信号中包含的情感类别.在大规模脑电数据集DEAP上进行被试内效价维度上两类情感分类实验,结果显示,所提出的CASC_CNN_LSTM和CASC_CNN_CNN网络在二维网状EEG时空特征上的平均分类准确率分别达到93.15%和92.37%,均高于基准模型和现有最新方法的性能,表明该模型有效提高了EEG情感识别的准确率和鲁棒性,可以有效地应用到基于EEG的情感分类与识别相关应用中.     

基于复杂网络模型的同步分析及控制

针对一致连结的复杂网络模型,通过构建Lyapunov函数,给出该类网络模型实现同步的一个判定准则.在此基础上,对该网络模型引入自适应反馈控制策略,并证明了此类网络在该控制作用下总可以动态地实现同步.特别地,该控制策略对节点间的耦合强度和网络的拓扑结构等具有较强的鲁棒性.数值仿真结果表明了该控制策略的有效性.     

基于复杂网络的供应链网络效率研究

研究复杂供应链网络的效率和重要节点识别问题。由于现代供应链网络的复杂性,以节点度分布作为衡量供应链枢纽节点,并不符合供应链运行的实际情况。传统的网络效率计算方法只是简单地进行"去边"和"去点"计算。为了解决上述问题,首先建立了一个典型供应链模型,然后提出了在突发情况下新的对于供应链网络效率计算方法。仿真结果表明,方法可以有效衡量供应链的网络效率,并能识别供应链网络中最具影响力的节点,从而能够针对性地对供应链网络进行防护,提高运行效率。     

基于三维特征矩阵和冲压激励网络的多通道脑电情感识别

提出一种基于冲压激励网络的情感状态识别方法.首先,从不同通道的脑电信号中提取时域特征,并根据电极通道的相对位置构造三维特征矩阵;然后,将冲压激励块与三维卷积神经网络相结合构建冲压激励网络进行高层抽象特征提取;最后,使用全连接层进行情感状态分类.实验在DEAP数据集上开展,实验结果表明,冲压激励网络在利用脑电信号中的时域显著性信息和电极空间位置信息的基础上,可自适应地纠正特征的注意力,优化每个特征的权重并强化重要特征,同时利用不同特征的互补信息来提高识别精度;此外,冲压激励网络的挤压操作可获取输入数据的全局信息,具有较快的收敛速度.     

基于时间序列复杂网络的癫痫脑电分类研究

大脑是一个高度复杂的系统,而且脑电信号噪声背景强,信号微弱,传统的脑电信号特征提取方法不能全面反应脑电信号的特征信息,因此,提出一种与复杂网络理论的相结合,以时间序列为基础构造复杂网络的癫痫脑电分类方法。首先将癫痫脑电信号的时间序列分段处理,每一段作为网络的一个节点,通过Pearson相关计算节点之间的关系来构造网络的连接矩阵,然后通过连接矩阵计算网络特征参数,并对特征参数进行统计分析构造特征向量,最后,使用SVM、逻辑回归和K-NN等分类器进行分类研究。结果显示,该方法对数据集A-E、AB-CDE和ABCD-E的分类准确率分别达到96.67%、94.00%和94.33%。实验结果表明,作为传统时间、频率分析的替代方法,该方法是可用于对脑电信号进行模式识别分类的,能够有效对癫痫脑电信号分类识别。     

基于EMRBF情感神经网络的人脸识别

在现有RBF神经网络基础上引入情感因子,提出了一种情感径向基神经网络（EMRBF）,给出了EMRBF的结构,定义了新的训练准则函数,推导出了EMRBF网络权值训练算法,把EMRBF网络用于人脸识别系统。先采用PCA和LDA相结合进行人脸特征提取．然后设计EMRBF人脸分类器。在ORL人脸库上的实验结果表明,EMRBF网络的识别率达到98％,与普通RBF神经网络相比,性能明显提高。     

EEG信号构建的复杂网络同步稳定性分析

人脑是自然界最复杂的系统之一,脑网络作为复杂网络理论在神经科学中的重要应用,为脑疾病的病理机制提供了新的研究方向。同步性作为影响网络性能的指标,对于复杂网络有着重要影响。为了研究同步性在脑网络中的表现,利用EEG动力学方程对120例酗酒病人的EEG信号进行复杂网络模型构造,根据所构造的模型利用李雅普诺夫稳定性理论进行证明。并通过实验对正常人和酗酒者脑网络同步状态做出统计,给出了酗酒病人和正常人的脑网络同步差异,可以揭示酗酒疾病对于人脑在功能结构上的影响,对其他疾病提供研究思路。     

基于复杂网络理论的铁路换乘系统鲁棒性分析

基于赋权二部图和复杂网络理论,构建铁路换乘系统的铁路线路网络模型和铁路站点网络模型,定义了站点节点和线路节点的权重计算方法,并结合节点度和节点权重,设计了铁路换乘网络针对异常攻击的鲁棒性分析方法.最后,分别对铁路线路网络模型和铁路站点网络在随机攻击和蓄意攻击下的可靠性进行了实验分析.实验结果表明,铁路换乘系统对于随机攻击具有较强的鲁棒性,而对于蓄意攻击则表现出极强的脆弱性.     

一类分数阶复杂网络混沌系统的投影同步

根据分数阶系统的相关理论研究了一类分数阶复杂网络混沌系统的投影同步问题,给出了分数阶复杂网络以及分数阶时滞复杂网络系统实现投影同步的充分性条件,仿真结果表明了方法的正确性.     

基于复杂网络理论的PPI网络拓扑分析

蛋白质相互作用在生命活动中起核心作用,由蛋白质相互作用构成的PPI网络的拓扑特性分析是后基因组时代最重要的研究课题之一。应用复杂网络理论对DIP数据库中7个物种的8个PPI网络的拓扑结构进行分析与研究。分析结果表明,这些PPI网络具有较小的平均路径长度和较高的聚集系数,其度分布服从幂规律,即p（k）=ak^-r,其中r大于1小于3,a近似等于1±0.5,表现出典型的无标度性,并具有高的异质性。其中平均度大于3.5的5个PPI网络对随机删除不超过10%的顶点都具有很好的鲁棒性,但对有选择的删除2%的高度顶点就开始表现出极弱的抗攻击性。     

复杂网络的脉冲同步

研究了具有有界耦合函数的不确定复杂动态网络的脉冲同步问题．根据脉冲控制的概念和脉冲微分方程的稳定性理论,我们利用一个灵活有效的脉冲控制实现了复杂动态网络的脉冲同步．最后,通过对混沌系统做网络节点的动态网络的数字模拟,验证了我们提出的脉冲控制方案的有效性和实用性．     

基于复杂网络理论的Internet抗毁性研究

针对Internet这一典型的复杂网络,依据TCP拥塞控制协议能重新调整数据流流速的特性,提出了一种新的抗毁性测度方法,并在流速可变的通信模型下对Internet进行了抗毁性研究,仿真结果表明Internet仍然具有鲁棒且脆弱性;然后分析了Internet在不完全信息下和基于局部网络拓扑信息的分布式攻击下的抗毁性,并且提出了相应的保护措施,仿真结果表明,不同情况下的不完全信息会对有目的攻击的攻击效率产生不同程度的影响,而基于局部信息的攻击可以达到有目的攻击的攻击效率,该结果对制订高效的Internet攻击(保护)策略具有重要意义。     

基于复杂网络理论的产品结构模块划分方法

针对现有的产品结构模块划分方法的不足,将复杂网络理论中的社团结构 发现方法应用于产品结构模块的划分,提出了一种新的结构模块划分方法。产品的结构单元 作为网络的节点,有关联的结构单元对应的节点之间为网络的边,从而构建产品结构的网络 图,使用复杂网路理论中的社团结构发现方法—— GN 算法实现结构模块的划分。论文阐述 了基于GN 算法的模块划分的方法与步骤,在此基础上以汽车发动机的结构模块划分为例验 证了该方法的有效性和实用性,并对模块划分结果进行了分析,最后指出了今后进一步研究 的内容与方法。     

基于自适应同步的二部图复杂动力网络的权值识别

本文给出了二部图复杂动力网络的数学模型及其权值识别方法. 运用自适应反馈控制技术, 通过构造驱动―响应结构的同步网络,设计了网络权值识别控制器. 应用Lyapunov稳定性理论及LaSalle不变集原理从理论上证明了结论, 并通过数值仿真算例验证了所给方法的有效性.