基于互信息的脑网络及测谎研究

互信息分析方法是基于信息论提出的一种描述两信号间信息交互情况的算法,其在脑电信号领域的有效性已得到了充分证实.针对当前测谎方法中脑电信号特征提取困难以及大脑整体认知功能分析在脑认知科学研究中越来越被重视的情况,本文首次将互信息分析方法应用到脑电测谎领域中,使用互信息量化大脑各节点之间的相关性,对计算结果进行统计分析,选取出在两类人群中具有显著性差异的电极对的互信息作为分类特征,进行模式识别,得到了99.67%的准确率.这一结果表明,互信息分析方法是一种有效的脑功能连接分析方法,为基于脑电信号连接分析的测谎研究提供了一种新的途径.另外,对说谎与诚实两类受试者的大脑功能网络的分析结果表明：处于说谎状态时,大脑的额叶、顶叶、颞叶及枕叶之间协同实现谎言功能,并在躯体行为所对应的脑区与其他脑区的连接上也表现出相对诚实组的显著性差异,以上结果均有助于进一步揭示谎言的神经活动机制.     

不同意识脑电的双谱切片特征分析与分类

脑电是一种典型的非高斯、非线性随机信号,传统时域或频域分析已不能准确表征信号特征,而高阶谱方法对脑电信号的处理却有较好效果。本文通过几组不同意识状态下的脑电测试实验,提取脑电信号,并通过双谱分析提取脑电双谱切片的特征值,借助支持向量机、概率神经网络、最近邻分类算法等3种方法对双谱切片的特征值进行处理,比较其分类效果。研究结果表明,电极C3处脑电与其他电极处的脑电具有不同的双谱特征,不同脑电极信号双谱切片具有明显差异。     

基于脑电样本熵的测谎分析

测谎分析在刑讯侦查和法律审判中具有重要意义.为了区分是否说谎,根据脑电信号的非线性特征,本文首次使用非线性动力学的样本熵方法分析30名受试者处于诚实和说谎两种状态时脑电信号的样本熵值.研究发现：受试者处于诚实状态时的熵值波动范围明显小于说谎状态下的波动范围,更重要的是说谎时的熵值显著高于说实话时的熵值,表明样本熵可以区分诚实和说谎两种不同状态下的脑电信号,该研究为基于脑电的测谎提供了一种新的途径.     

基于PCANet和SVM的谎言测试研究

主成分分析网络（Principal Component Analysis Network,PCANet）是基于深度学习理论的一种非监督式的特征提取方法,它克服了手工提取特征的缺点,目前其有效性仅仅在图像处理领域中得到了验证。本文针对当前谎言测试方法中脑电信号特征提取困难的缺点,首次将PCANet方法应用到一维信号的特征提取领域,并对测谎实验的原始脑电信号提取特征,然后使用支持向量机（Support Vector Machine,SVM）将说谎者和诚实者的两类信号进行分类识别,将实验结果和其它分类器及未使用特征提取的分类效果进行了比较。实验结果显示相对未抽取任何特征的方法,提出的方法PCANet－SVM可以获得更高的训练和测试准确率,表明了PCANet方法对于脑电信号特征提取的有效性,也为基于脑电信号的测谎提供了一种新的途径。     

基于听觉E RP功能脑网络特征和SVM的测谎方法研究

基于图论理论的脑网络分析方法近年来在认知脑科学研究中起到了非常重要的作用,而基于事件相关电位（Event-Related Potentials,ERP）的传统测谎方法一直都专注于对某一特定通道上的脑电信号进行分析,针对传统方法中使用少数通道并不能够全面的反映人在说谎状态下大脑整体认知功能特征的缺点,本文提出了基于脑网络特征的测谎方法,通过听觉刺激诱发事件相关电位ERP,记录脑区多通道脑电信号,通过讨论各导联之间的相位延迟指数来构建脑功能网络,计算7类脑网络特征参数作为判别指标。分析被试在说谎和无辜状态下的网络特征参数,使用支持向量机对实验数据进行分类判断,结果表明：本文提出的方法有较高的判别准确率,优于目前判别方法的平均值,证明了本方法的测谎有效性。     

基于头皮脑电的游戏型脑机接口应用研究综述

游戏型脑机接口(game-BCI)是指将脑机接口与游戏结合,通过对脑电信号的识别,使用户完成对游戏的直接控制,不仅为健康人提供了新型的游戏交互方式,也为残障人士提供了新的康复治疗途径。相比于其它侵入性BCI,基于头皮脑电的BCI有无创、时间分辨率高、成本低、便携性好等优势,具有更加广泛的应用前景。该文对基于头皮脑电的游戏型脑-机接口技术进行了总结,将其按控制信号类型分为主动式、反应式、被动式以及混合范式,介绍不同类型游戏BCI的控制策略和应用场景,并对比分析了游戏BCI中不同类型脑电信号常采用的分类算法,最后讨论了该领域目前存在的问题和未来的发展方向。     

基于相位延迟指数的脑功能网络及测谎研究

在脑认知科学领域,越来越多的研究开始专注于利用不同导联脑电信号之间的相互依赖关系来研究大脑整体认知功能.相位延迟指数可有效减少由容积导体引起的误差,该方法已被广泛应用.而基于图论的脑网络研究方法在测谎方面还少见报道.本文通过对30名（诚实和说谎）受试者的脑电信号进行网络拓扑分析,将网络参数作为判别指标,使用支持向量机对实验数据进行分类.研究发现,两组受试者的小世界指标表现出显著的统计学差异,且得到较高的测谎准确率,结果证明了利用相位延迟指数方法进行图论分析的测谎有效性.     

综合图像灰度熵和灰度值的人脸识别方法

提出了一种基于支持向量机并综合图像灰度值和灰度熵的人脸识别方法,在信息论的编码熵的基础上提出了灰度熵的概念,并把人脸图像的行象素灰度熵和列象素灰度熵作为人脸图像的部分特征.在人脸识别系统中,把人脸图像灰度值和行（与列）象素灰度熵作为特征.在具体操作方面,基于人脸图像的不同部位具有识别的不同重要性的特点,采取隔行（列）或逐行（列）进行特征提取,来训练支持向量机分类模型,然后把分类模型应用于人脸识别系统,实验证明了误识率并没有上升太多,而识别速度提升不少.     

基于脑电逆问题的研究及应用综述

自20世纪50年代以来,关于神经元电活动的研究一直是许多科研人员和临床医生关注的热点。大脑中的神经元组成分布式网络结构,不同的区域结构将处理视觉、感知觉、意识等不同的信息,且神经元活动随时间不断变化,因此需要一种能对大脑的时间和空间特征全面记录的方法。脑电图（Electroencephalography, EEG）由于具有无创、价格低廉和高时间分辨率的特性,自其被发现以来就已成为记录神经元活动应用最广泛的技术之一。然而EEG的空间分辨率较低,难以实现对神经元活动的精确定位。提升EEG的空间分辨率,需要从测量的头皮脑电中定位大脑的激活神经元,即解决脑电逆问题。由于电磁逆解具有不确定性,脑内不同的激活模式可能会在头皮产生相同的电位分布。近年来关于大脑的精确解剖结构、组织特性以及神经元电活动的传播规律等方面的研究为该技术提供了可靠的先验,有许多研究已经证实了该技术在定位大脑源活动中有显著的优势。脑电逆问题求解可以通过无创的手段实现对神经元电活动的空间定位,有助于了解神经网络结构和大脑信息传递过程。同时可以提升无创脑电信号的空间分辨率,拓展可用信息维度,在神经科学与技术、临床医学等领域均已有广...     

基于双谱奇异值和最优参数支持向量机的目标识别算法

提出了基于双谱奇异值和最优参数支持向量机的目标识别算法。首先从目标距离像的双谱中提取双谱奇异值特征;然后通过实验的方法确定支持向量机参数取值的范围,利用遗传算法获取支持向量机的最优参数;最后应用最优参数支持向量机对3种地面坦克目标进行识别。仿真实验表明,即使在较低的信噪比下该算法仍然可以取得比较高的识别率。     

基于SVM实现人眼注视与否的探知

采用基于统计学习理论的支持向量机(SVM,support vector machine)方法对人眼注视与否进行探知。根据结构风险最小化(SRM,structural risk minimization)准则,在最小化已知样本点误差的同时,尽量缩小模型预测误差的上界,改善了模型的泛化能力。实验结果显示,在训练样本数有限的情况下,学习后模型对测试样本的正确识别率达到100％,比此前采用其它方法所获得的识别结果识别率更高,训练及识别过程速度更快,基本上能够满足实时性要求,也更接近人类视觉对注视与否的探知的特点。     

基于超谐波注入锁定的低相噪QVCO的设计

对基于注入锁定的正交压控振荡器(QVCO)电路进行了研究和分析,设计了一个低相位噪声、低相位误差的QVCO电路,该电路由两个电感电容压控振荡器(LC VCO)在正交相位进行超谐波耦合,通过一个频率倍增器在交叉耦合对的共模信号点注入同步信号.通过对相位误差公式的推导,提出了降低相位误差的方法,由于该电路在共模点采用二倍频取样,抑制了尾电流的闪烁噪声,降低了相位噪声.电路基于TSMC 0.18 μm互补金属氧化物半导体(CMOS)工艺实现,测试结果表明,当谐振频率从4.5 GHz调谐到4.9 GHz时,在电源电压为1.8V时,电路消耗功率为13 mW,1 MHz频偏处的单边带(SSB)相位噪声为-129.95 dBc/Hz,与传统的QVCO相比,噪声性能得到了改善.     

基于RSVM的异常入侵检测系统

首先介绍了支持向量机及Robust支持向量机的分类算法，提出了Robust支持向量机的入侵检测的模型；并利用研究入侵检测系统的MIT’s Lincoln实验室1998年收集DARPA BSM的数据集，对Robust支持向量机和普通的支持向量机的性能进行了比较。     

压缩域中基于支持向量机的镜头边界检测算法

针对如何进一步提高镜头边界检测精度问题,本文提出了一个基于支持向量机SVM (Support Vector Machine)的镜头边界检测算法.该算法利用视频压缩域中特征,如宏块类型,帧间对应宏块DC系数差和帧类型将视频帧分为发生切变的帧、发生渐变的帧和非镜头变换帧三类,从而实现视频的镜头分割.实验结果表明该算法对摄像机的运动和大物体的进入具有很好的鲁棒性,且没有大多数算法中阈值选择的困难,将我们的算法与2001 TREC评估中最佳指标进行了比较,在综合度量查全率和查准率的性能指标F1上,比2001 TREC评估中最佳指标高约8％.     

基于马尔科夫和HHT的图像拼接盲检测

基于对图像拼接技术的分析,提出了一种基于马尔科夫模型与Hilbert-Huang变换（HHT）的图像拼接盲检测算法。该算法计算图像DCT域上的马尔科夫转移概率矩阵,同时对图像进行Hilbert-Huang分析,得到两类特征值集,并通过计算相关系数矩阵分析了两者之间的相关性,最后使用支持向量机进行训练与分类。实验结果表明,相对于已有文献,该算法具有较高的检测准确率。