基于增量学习和Lasso融合的数据可视化模式识别方法

提出了一种基于增量学习和最小绝对值收缩和选择算子(Lasso)特征选择融合的数据可视化模式识别方法。该方法首先对归一化数据进行一级Lasso筛选特征降维,之后对连续数据进行基于Gini指数的粒化,再送入增量模式学习系统进行增量学习,针对维数大量升高的情况进行Lasso二级特征筛选生成一致模式决策表,生成属性偏序结构图可视化规则发现。数据采用来自UCI的5个数据库,并与分类器KNN,SVM,Adaboost,Random Forest进行分类准确度比较,实验表明,基于该算法的分类精度普遍高于其他分类器水平,且属性偏序结构图可视化层次清晰鲜明。通过增量学习实验设计,得到了准确率、图结构更新和不同比例增量数据的动态关系,其中Pima Indians Diabetes数据学习达到40%时准确率(77.66%)超过Adaboost(75.32%)、SVM(77.27%)、1NN(59.74%)、3NN(75.97%)算法。结果表明该算法进行数据的可视化和模式识别是行之有效的。     

呼吸信号检测方法的研究

呼吸信号的检测具有很高的临床使用价值,其中采用传感器进行检测已成为较成熟的手段,但由于传感器使用范围的局限性,在某些场合需要采用非接触式检测.主要对现有的呼吸信号的检测方法和应用情况进行了讨论,重点对呼吸信号的测量原理进行了详细的分析,并对呼吸信号检测仪器的研制进行了简单地探讨.     

用基于平行坐标图的可视化人机交互技术提取EEG信号特征的方法

应用可视化人机交互(HCI)方法进行了脑电图记录(EEG)信号特征提取技术的研究。该研究一方面在脑机接口(BCI)技术领域提出了一种新的特征提取技术方法,同时通过可视化人机交互的专家智慧参与,实现了面向对象领域和面向数据模式识别的有效结合,克服了单一机器学习的局限性。首先介绍了多元图表示的基本理论,然后提出了基于平行坐标图的可视化人机交互技术,接着进行了单通道和多通道EEG信号特征提取的可视化人机交互技术的研究,最后采用第二届国际脑机接口竞赛中的数据集Ⅳ进行了数据实验。实验表明,本文提出的方法的识别结果优于实验数据集国际竞赛最优结果和文献报道中的当前国际最优结果。     

基于多元图结构子模式表示的模式识别方法*

针对统计模式识别和结构模式识别方法各自的局限性,提出一种基于多维数据多元图结构子模式表示（包括图形基元和特征基元表示）的模式识别方法,它体现了模式识别问题研究的一种新思维,具有鲜明的可视化特点。应用多维数据多元图表示原理实现无结构数据的结构化表示,提取出表征多元图图形的图形基元和特征基元,将对象表达为多元图结构特征子模式进行分类识别。利用UCI机器学习数据库中的Iris数据进行了分类实验,实验对比结果显示该方法具有较好的识别效果。     

呼吸信号检测方法的研究

呼吸信号的检测具有很高的临床使用价值，其中采用传感器进行检测已成为较成熟的手段，但由于传感器使用范围的局限性，在某些场合需要采用非接触式检测。主要对现有的呼吸信号的检测方法和应用情况进行了讨论，重点对呼吸信号的测量原理进行了详细的分析，并对呼吸信号检测仪器的研制进行了简单地探讨。     

呼吸信号检测方法的研究

呼吸信号的检测具有很高的临床使用价值,其中采用传感器进行检测已成为较成熟的手段,但由于传感器使用范围的局限性,在某些场合需要采用非接触式检测。主要对现有的呼吸信号的检测方法和应用情况进行了讨论,重点对呼吸信号的测量原理进行了详细的分析,并对呼吸信号检测仪器的研制进行了简单地探讨。     

基于PXI平台的矿井通风机振动监控系统设计

基于虚拟仪器技术,采用NI公司的PXI平台和LABVIEW软件设计矿井通风机振动信号监控系统。该系统具有振动信号采集、振动信号分析和振动数据管理等功能。本系统开发周期短,可扩展性强,PXI技术结合LABVIEW开发平台为煤矿井下设备监控提供一种新的技术途径。