排序方式: 共有14条查询结果,搜索用时 15 毫秒
1.
传统盲源分离算法消除眼电伪迹须用到两个眼电信号作为参考,但在采集眼电信号时易给被试带来不适产生噪声,且识别时需要人为辨别,为了解决这些问题,提出一种基于FastICA的眼电伪迹自动去除方法。该方法先计算出FastICA提取出的各独立成分与GFP(Global Field Power)值的相关系数,再比较相关系数,将其绝对值最大所对应的独立成分识别为眼电伪迹独立成分,最后把该独立成分置零重构干净的脑电信号,实现眼电伪迹的自动去除。通过自采的30例脑电数据实验结果表明:该方法能完全自动地去除眼电伪迹成分并有效保留其他脑电成分,且快速准确,适用于实时场合。 相似文献
2.
绿色植被在城市的生态系统中扮演着非常重要的角色,非常有必要对城市植被进行合理的规划与检测。近年来,深度学习技术,尤其是深度卷积神经网络(DCNNs)在高分辨率遥感图像的解析和处理方面取得了显著进展。因为高分辨率遥感图像成本低、周期短和精度高等特点,为城市植被信息提取提供了可能性。但是,高分辨率的城市遥感图像中伴随着比较复杂的背景信息,增加了图像预测的难度。将拓扑数据分析方法(持续同调)通过拓扑损失函数和拓扑先验的方法引入到UNet模型中,提高模型的结构感知能力。实验结果表明,不同分割模型中进行的实验在一定程度上均取得了良好的表现。 相似文献
3.
精神分裂症与一些认知障碍如信息处理、工作记忆等联系紧密,研究工作是记忆任务中精神分裂症患者与正常人的多通道脑电在各个阶段、各个频段存在哪些显著性差异,可为精神分裂症的诊断提供依据。使用相位锁值(Phase Locking Value,PLV)来量化任意两个电极通道之间的相位同步性,构建脑功能网络的关联矩阵,计算不同稀疏度下脑网络的全局属性以及局部属性曲线下面积,在同一阶段、同一频段下对精神分裂症患者和正常人得到的属性值进行非参数检验,找出差异显著的属性及节点,将对应值作为特征训练SVM分类器,进而将精神分裂症患者和正常人分类。属性分析结果表明,工作记忆任务中[θ]和[α]频段发挥主要作用的脑区集中在右侧额叶区和枕叶区,[γ]频段相关的脑区集中在顶叶区;精神分裂症患者额叶右侧区域与枕叶区电极间[θ、][α]波相关性低于正常人,而其顶叶区电极间[γ]波的相关性高于正常人。 相似文献
4.
运用基于信息素挥发因子自适应变化的蚁群算法来优化电子学习资源的组织顺序,体现群体智能在资源共享和过滤中的优势作用,并且在此基础上运用教学实例实验研究将群体智能技术应用于解决电子学习资源过滤时的收敛性问题。实验结果表明利用群体智能来组织资源可以找到和领域专家干预基本相同的解决方案,同时学生参与数不需要很多即可获得好的收敛性。 相似文献
5.
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。 相似文献
6.
基于实体词语义相似度的中文实体关系抽取 总被引:1,自引:1,他引:0
为了探索语义相似度在中文实体关系抽取上的作用,提出由实体词在《同义词词林》中的5层编码构建成的《同义词词林》编码树和由关系实例中的实体词,各个类别中所有实体词计算相似度后求得的平均值构建成的实体词语义相似度树2种新特征,并连同已有的《同义词词林》编码、实体类型信息共4种特征探究其对抽取性能的影响。单一特征的试验中,实体类型特征效果最好,F值达到了小类84.9、大类83.2;组合特征的试验中,实体类型和《同义词词林》编码树的组合特征效果最好,大类小类的F值都比实体类型特征提高了2.5,3种组合特征性能不升反降。试验结果表明《同义词词林》编码树是对实体类型的有效补充,但过多的特征会造成信息冗余,使抽取性能下降。 相似文献
7.
随着网络科技的进步,音频分割技术广泛应用于音频检索、语音识别、语义内容分析等领域,对音频深度处理具有重要意义.使用两种基于BIC准则的音频分割算法进行仿真实验,证明滑动窗口的BIC分割算法在广播新闻语料和访谈性质的电话交谈中,检测到的正确音频分割点数目更多,可取得较好的分割效果. 相似文献
8.
提出以学生为中心的计算机组成原理网络智能化教学模式,基于本体构建了课程知识体系模型,探讨了基于课程知识库本体的教学策略的研究方法,给学生提供了一个个性化的、自主的、高效的学习环境。 相似文献
9.
10.
使用相位锁值(Phase locking value,PLV)来量化任意两个电极通道之间的相位同步性,构建相应的脑功能网络的关联矩阵,提取网络不同稀疏度下的度、中间中心度两个局部属性的曲线下面积作为特征,对不同类型情感的网络特征进行非参数检验,找出显著性的节点。同时采用得到的特征值作为分类依据,训练SVM分类器。实验表明,利用PLV相位同步方法得到功能网络的局部属性,可以有效地区分不同类型的情感脑电数据,为基于脑电数据的情感识别提供了一种有效的方法。 相似文献