G-P算法在脑学习机能研究中的应用

运用非线性动力学理论,分析大脑信息处理运动的过程.由混沌动力学吸引子关联维数的物理意义出发,论证了关联维数值与神经元群电发放之间的关系.采用连续加算作业法,同步采集EEG信号,应用分形论中的G-P算法,获取EEG信号的关联维数.实验结果表明:连续加算作业法的下半时EEG信号的关联维数明显小于上半时EEG信号的关联维数.因此,基于G-P算法的关联维数可以作为脑学习机能的评价指数.     

基于SVM的管理人员选拔的决策模型

介绍了支持向量机的基本思想,研究了它在决策模型中的应用。分析了UK心理测验的特点,从机器学习的角度、利用支持向量机理论、采用SMO训练方法建立了基于UK心理测验的管理人员选拔的决策模型。实验表明该模型是合理的,并且该预测模型可以和其他方法结合进行有效的管理人才选拔。     

基于结构特征的手写体数字识别算法

提出了基于结构特征的手写体数字识别方法。首先，采用14模板法进行细化，然后提取了点、线、圆等结构特征，并根据相关信息进行特征组合，最后采用粗细两阶段分类法进行分类。     

基于认知任务的脑机接口方法研究

提出一种通过脑电波来识别放松状态以及乘法作业状态从而实现脑机接口的新方法。利用脑电仪记录受测者放松状态以及乘法作业时的大脑左右半球枕叶部的脑电信号,采用Welch法分别估计出这2个部位8Hz~10Hz、1Hz~13Hz、14Hz~30Hz 3个频段的功率谱,以各个功率谱平均值和2Hz~30Hz频段功率谱平均值的比值作为分类特征,采用支持向量机的方法建立了分类器,从而实现了脑机接口。4个受测者的实验结果表明识别准确率都大于94.44%,最高为98.89%。由于只采用了2个采集点,因此如果采用某种编码方式,该脑机接口技术就可更加方便地用于写字、控制轮椅等方面。     

闪光视觉诱发电位在脑机接口中的应用研究

运用叠加平均与快速傅立叶变化相结合的方法,提取大脑皮层的稳态视觉诱发电位SSVEP（steady state visual evoked potential）信号,并作为输入信号应用于脑控机器人系统。通过实验确定了测试电极、视觉刺激颜色与背景亮度等模式参数,并且研究了不同使用者在不同视觉刺激频率下的SSVEP幅值变化趋势。研究结果表明,该方法能更好地提高信噪比,提取出的稳态视觉诱发电位信号能够准确反映使用者的控制意图,应用于脑控机器人系统,取得了很好的效果。     

基于脑信息特征和SVM的行为异常检测研究

采用脑信息特征检测方法对600名临床诊断行为异常者和400名行为正常者进行测试,并对测试的数据进行特征提取。然后对这些特征进行规范化处理并利用支持向量机方法,根据脑信息特征建立异常行为的诊断模型。实验结果表明该诊断模型是有效的,它是基于脑信息特征的人才选拔决策系统的重要部分。     

平滑伪Wigner-Ville分布在脑电信号提取中的应用

运用平滑伪Wigner-Ville分布提取大脑皮层的稳态视觉诱发电(steady state visual evoked potential,SSVEP)信号,并作为输入信号应用于脑机接口系统.研究结果表明,该方法不需叠加平均信号就可以提高信噪比,提取出的稳态视觉诱发电位信号能够准确反映使用者的控制意图,为脑机接口选取特征提供了依据.