基于特征融合的脑电通道选择方法

为了更准确地进行癫痫预测,提出基于特征融合的脑电通道选择算法。将样本熵、排列熵和方差特征根据脑电电极位置进行特征融合,融合特征作为脑电通道选择算法的输入进行癫痫预测。结果表明,融合特征在使用9个脑电通道的情况下得到96.74%的准确率和0.93的适应度函数值,远高于其他特征组合。     

基于改进时频共空间模式的运动想象脑电信号分类

共空间模式侧重提取信号的空间信息,是脑电信号中滤波和特征提取的常用算法之一。然而脑电信号的时间窗、频带和通道的选择都会影响其分类结果。为了提高CSP特征的表征能力,采用了基于相关系数的脑电通道选择方法,结合时频共空间模式提取特征,提出了通道选择共时频空间模式(CS-CTFSP)新框架。首先利用通道间相关性,在主通道的基础上筛选合适的通道集合;并利用时频共空间模式从每个时间窗口的多个子频带中提取CSP特征;接着引入一种子频带筛选方法去除无区分能力的频带单元后,结合LASSO提取稀疏特征;最后采用LDA分类器对脑电信号进行分类。在对BCI Competition III Dataset IVa和BCI Competition IV Dataset I二分类运动想象任务的分类实验中,平均分类精度达到91.10%和87.92%,并与其他运动想象方法进行了比较,验证了本文方法的有效性。     

基于超图的多模态特征选择算法及其应用

目前机器学习算法已经被广泛应用到脑疾病的诊断中。医学影像数据由于样本珍贵,并且特征维数往往远大于已有样本数目,在实际应用中这是典型的小样本问题。此外,通过不同的成像手段可以得到不同模态的数据(例如MRI和PET)。从而提出一种基于超图的多模态特征选择算法。首先将每组模态当作一组任务,利用l2,1范数进行特征选择,保证不同模态相同脑区的特征被选中。然后使用超图技术来刻画数据样本与样本之间的高阶信息,从而充分利用每组模态数据内部的分布先验。最后利用多核支持向量机对选择后的特征进行融合分类,从而提高对疾病的诊断精度。在ADNI数据集上对提出的方法进行验证,并与传统方法进行对比,实验结果说明了提出方法的有效性。     

基于变量纯度的波长选择方法在近红外光谱分析中的应用

提出了一种基于光谱纯度值的变量选择方法。对光谱中各变量计算其纯度值后,按降序将相应变量排列,采用PLS交互检验按前向选择法选择最佳变量子集。用本方法对3组分混合物体系及烟草样品的近红外光谱进行变量选择,并与全谱变量建模的结果进行了比较。结果表明本实验给出的波长变量优选方法是一种比较有效和实用的变量筛选方法,通过变量筛选,可极大地减少光谱信息重叠,从而提高定量校正模型的预测精度和建模效率。     

基于通道选择与目标重检的跟踪算法

为提高相关滤波类算法的性能,提出一种基于通道选择与目标重检的跟踪算法.通过计算每个卷积通道的特征均值和方差,选取符合条件的通道训练滤波器;根据滤波响应均值找出跟踪失败的帧,扩大搜索范围后使用最优模板再次检测丢失的目标位置;通过调整搜索框的比例来训练尺度滤波器,使用平均峰值相关能量约束模板更新.实验结果表明,所提算法的准...     

定量评估脑电源成分的通道选择方法

脑电信号的通道选择技术对于可穿戴设备的实现有着重要意义,根据脑电信号由多个源成分叠加而成的产生机理,提出一种基于定量评估脑电源成分的通道选择方法。依据脑电源成分时频图的分形维数,对各时频图的分形值进行排序、筛选,寻找与情感变化关系密切的源成分,并对包含信息量较多的脑电源成分进行反投影实现通道选择。使用提出的方法筛选DEAP数据集中的少量通道采集的脑电信号进行情感识别,可达到与使用全通道的脑电信号相当的情感识别准确度,且计算复杂度大为降低,由于通道数的减少为可穿戴脑电情感识别系统的实现提供了便利。     

基于有效距离的多模态特征选择*

在传统距离度量的基础上,提出利用有效距离进行特征选择,并用于多模态分类.为了更好地反映样本间全局和局部关系,提出基于有效距离的多模态特征选择方法.该方法针对样本间全局关系进行建模,实现基于有效距离的特征选择,从而增强所选特征的判别性.在ADNI、UCI数据集上进行的分类实验表明,与传统方法相比,文中方法能有效提高多模态数据的分类性能.     

基于同一特征空间的多模态脑肿瘤分割方法

脑胶质瘤的分割依赖多种模态的核磁共振成像（MRI）的影像。基于卷积神经网络（CNN）的分割算法往往是在固定的多种模态影像上进行训练和测试,这忽略了模态数据缺失或增加问题。针对这个问题,提出了将不同模态的图像通过CNN映射到同一特征空间下并利用同一特征空间下的特征来分割肿瘤的方法。首先,不同模态的数据经过同一深度CNN提取特征;然后,将不同模态的特征连接起来,经过全连接层实现特征融合;最后,利用融合的特征实现脑肿瘤分割。模型采用BRATS2015数据集进行训练和测试,并使用Dice系数对模型进行验证。实验结果表明了所提模型能有效缓解数据缺失问题。同时,该模型较多模态联合的方法更加灵活,能够应对模态数据增加问题。     

基于改进CSP算法的运动想象脑电信号分类方法

For the problem of low classification accuracy and poor real-time performance during the traditional common spatial patterns (CSP) algorithm for motor imagery EEG signal processing, a new analysis method of CSP EEG signal based on time space frequency domain is put forward. Firstly, the wavelet packet is used to decompose the original signal of EEG, the motor imagery EEG rhythm is extracted according to the frequency distribution of EEG signal, and the spatial features of EEG are extracted by improving CSP algorithm. Then, we introduce the time window to filter the EEG signals, and eliminate the influence of EEG fluctuation at the beginning and end of the motion imagery. Lastly, according to the characteristics of the physiological distribution of EEG signals in the brain cortex, the method based on spindle channel is used to process the EEG signal and analyze computational time of different algorithms and the classification results. The experimental results show that, the running time of the algorithm is 1.562 s, which is 67% shorter than the traditional method, and the average classification accuracy is up to 97.5% when the number of spindle channels is 29 and the time window is 2 s. In the meantime, the results show that the proposed method can effectively improve the classification accuracy and the real-time performance of motor imagery EEG.     

基于混合特征选择的脑电解码方法

运动想象脑电是一种多通道高维信号,特征选择可以降低特征维数,选择更具判别性的特征,从而有效提高脑电解码的性能。现有的特征选择方法主要包括过滤式、包裹式和嵌入式方法,这3类方法各有优缺点。为了综合利用各类方法的优势,提出2种混合特征选择方法。第1种方法,使用最小绝对值收缩和选择算子（LASSO）进行特征选择,得到LASSO模型的权重之后,再设定一系列权重阈值进行二次特征筛选。第2种方法,使用Fisher分数对特征进行评分,然后设定一系列权重阈值进行二次特征筛选。使用Fisher线性判别分析（FLDA）对2种方法选择的特征子集进行分类。在2组脑机接口（BCI）竞赛数据集和1组实验室自采集数据集上进行实验,最高平均分类准确率分别为77.47%、76.11%、71.30%。实验结果表明,所提出的方法其分类性能优于现有的特征选择方法,而且特征选择时间也具有较大优势。     

基于信道预约及信道感知的复合多址接入协议

随着计算机网络技术的不断发展,无线局域网得到了广泛的应用.由于在无线信道中,通信环境不稳定,用户间分组冲突及分组误帧经常发生,造成了网络性能的下降.为了改善上述现象,提出了一种基于信道预约及信道感知的复合多址接入协议,即CA-DIBCR(Channel Awareness-Distributed In-Band Channel Reservation).协议通过预约及感知信道来减少分组冲突及误帧的发生,从而提高网络的性能.利用OPNET仿真工具对CA-DIBCR进行了仿真,结果表明方案对网络吞吐量以及平均分组时延等性能指标均有明显改进,使得嘲络资源得到更加充分的利用.因此,CA-DIBCR算法是一种能有效提高无线网络性能的多址接入算法.     

基于最大信息系数和近似马尔科夫毯的特征选择方法

最大信息系数（Maximum information coefficient,MIC）可以对变量间的线性和非线性关系,以及非函数依赖关系进行有效度量.本文首先根据最大信息系数理论,提出了一种评价各维特征间以及每维特征与类别间相关性的度量标准,然后提出了基于新度量标准的近似马尔科夫毯特征选择方法,删除冗余特征.在此基础上提出了基于特征排序和近似马尔科夫毯的两阶段特征选择方法,分别对特征的相关性和冗余性进行分析,选择有效的特征子集.在UCI和ASU上的多个公开数据集上的对比实验表明,本文提出的方法总体优于快速相关滤波（Fast correlation-based filter,FCBF）方法,与ReliefF,FAST,Lasso和RFS方法相比也具有优势.     

一种基于DCT系数的图像隐藏方法

近年来,随着网络和多媒体技术的快速发展,信息隐藏技术已经成为信息安全领域的一个研究热点。由于JPEG压缩方案中量化是损失信号的主要原因,所以可以在量化后的DCT系数中隐藏信息。文中提出了一种利用对JPEG压缩中的DCT系数进行处理的隐藏图像的方法,将待隐藏图像量化后的DCT系数转化成绝对值小于5的个位数,并将其隐藏在原始图像的量化后的DCT系数中。实验证明该方法能得到不错的隐藏效果,且对原始图像的影响很小。     

基于混合粒子滤波的故障诊断方法

结合了模糊递归神经网络和粒子群算法,在此基础上改进粒子滤波的故障诊断方法．故障诊断作为智能控制的研究热点,其算法层出不穷．粒子滤波故障诊断作为基于解析模型的状态估计诊断方法的一种,一直在工业生产中起着重要的作用,但其自身的缺点也限制了它的进一步发展,保留粒子滤波的优势,提出一种基于混合算法的粒子滤波故障诊断方法,该方法不但一定程度上解决了权值退化的问题,而且改进了粒子群算法,并结合神经网络算法在啤酒发酵温控系统中形成了故障检测、预测和辨识为一体的故障诊断方法．     

一种基于DCT系数的图像隐藏方法

近年来，随着网络和多媒体技术的快速发展，信息隐藏技术已经成为信息安全领域的一个研究热点。由于JPEG压缩方案中量化是损失信号的主要原因，所以可以在量化后的DCT系数中隐藏信息。文中提出了一种利用对JPEG压缩中的DCT系数进行处理的隐藏图像的方法，将待隐藏图像量化后的DCT系数转化成绝对值小于5的个位数，并将其隐藏在原始图像的量化后的DCT系数中。实验证明该方法能得到不错的隐藏效果，且对原始图像的影响很小。     

混合互信息和粒子群算法的多目标特征选择方法

在数据挖掘中,由于数据集中含有大量的冗余和不相关的特征,因此特征选择是一个重要的预处理过程。提出了一个基于混合互信息和粒子群算法的过滤式-封装式的多目标特征选择方法(HMIPSO)。根据粒子的pbest距离上次更新的迭代次数,提出了自适应突变策略去扰动种群,避免种群陷入局部最优。同时基于帕累托前沿面和外部文档提出了一个新的集合概念。结合互信息和新的集合知识提出了一个局部搜索策略,使得帕累托前沿面中的粒子可以删除不相关和冗余的特征,然后通过精英策略更新学习前和学习后的帕累托前沿面。最后将提出的算法和另外4种多目标算法在15个UCI数据集上进行了测试,实验结果表明提出的算法能够更好地降低特征个数和分类错误率。     

结合互信息通道选择与混合深度神经网络的脑电情感识别方法

针对单模态深度神经网络(Deep Neural Network,DNN)难以充分提取情感分类任务中脑电信号的多域特征,且脑电信号中存在通道冗余的问题,提出一种结合互信息通道选择与混合深度神经网络的脑电情感识别方法,首先提取各通道信号中γ节律的微分熵(Differential Entropy,DE)特征,通过DE计算通道间的归一化互信息(Normalized mutual information,NMI),将所得NMI矩阵按列求和后的向量作为表征各通道任务相关性的权值,根据权值选出最优通道集,之后采用卷积神经网络(Convolutional Neural Networks,CNN)和长短期记忆网络(Long-short term memory neural network,LSTM)相结合的混合DNN网络进行样本特征提取和分类.该方法分别在DEAP数据集的效价(Valence)和唤醒度(Arousal)上取得了87.60％和88.58％的平均分类准确率,表明了所提出方法的可行性和有效性.     

一种基于混合策略的Web绘图方法

对现有的Web绘图技术进行归纳和分析。根据混合策略的原理．设计一种基于字符串编码的Web绘图方法,并应用于一个客流分析系统的客户端交互绘图和矢量数据采集。应用结果表明,该方法在应用的适用性、交互性和性能方面具有较好的效果。     

一种基于本体的混合检索方法

提出了一种基于本体的,综合改进的spread activation算法和语义分析的混合检索方法.通过改进的spread activation算法和本体实例之间语义关联强弱的分析,得到一组查询词的相似词集合,从而提高了查询关键字到本体概念映射的完整性与准确性.设计实现了相应的检索系统,实验表明,该系统可以有效地提高检索的查全率与查准率.