一种大类别数分类的神经网络方法

神经网络是一种普遍使用的分类方法．当类别数目较大时，神经网络结构复杂、训练时间激增、分类性能下降．针对这些问题，基于Ｎ分类问题的两分类方法和树型分类器结构，对两分类子网络集进行排序，文中给出了一种大类别分类的神经网络阵列结构和快速搜索方法并重点分析了网络阵列的分类性能．理论分析表明，使用网络阵列方法可降低平均分类错误率．该方法还使得网络结构简单灵活，易于扩充，网络的训练时间缩短．仿真实验表明，该方法对类别数大且分类困难的复杂分类问题的分类效果良好．

基于离散Gabor谱的短波电报信号检测

针对电报用单频信号的持续时长来携带报文信息及短波信道易于受到噪声污染的特点，研究了短波电报信号的离散Ｇａｂｏｒ谱检测方法。实验结果显示，用离散Ｇａｂｏｒ谱能够从复杂噪声背景中还原出电报信号，该方法对人耳难以辨别的低信噪比电报信号也具有很好的检测效果，适用于对短波电报信号的检测。该研究在短波电报信号的自动检测和短波电报抗干扰设备的研制方面具有应用前景。

医学图像诊断效果评估的ROC和强迫选择方法

综述了医学图像诊断效果评估的接受者操作特性（ＲＯＣ）方法和强迫选择方法。文中阐述了ＲＯＣ和强迫选择的概念，并简述了医学图像诊断效果评估的实验设计和数据处理方法。

说话人识别使用遗传RBF网络

针对ＲＢＦ网络普遍采用的一种训练算法所存在的局部最佳问题，本文将遗传算法用于ＲＢＦ网络训练过程，增强了该网络的全局寻优能力，提高了ＲＢＦ网络的模式识别性能．说话人识别实验显示，改进训练算法后，ＲＢＦ网络的说话人识别率有稍许提高．

多分类问题的RBF二叉神经树网络方法

神经网络是一种普遍使用的分类方法。当类别数目较大时 ,神经网络结构复杂、训练时间激增、分类性能下降。基于两类问题的树网络多分类方法将两分类方法和判决树相结合 ,利用两分类方法来减少神经网络的训练时间 ,利用树型分类器来提高识别率。提出了一种多分类问题的二叉神经树网络结构和训练算法。利用两分类网络的训练结果对类别进行排序处理 ,并应用排序后的类别序号构成树型分类器 ,使可分性最差的类别的识别率提高最大 ,从而提高了整体分类性能。使用径向基函数 ( RBF)网络作为节点网络 ,使节点网络结构适应两类间的可分性 ,从而最终优化了神经树网络的结构。

实用的动态液晶显示信息截取技术

本文给出了一种实用的医疗仪器动态液晶显示信息截取方法，它不需对原仪器进行改动，而直接从液晶显示屏管脚截取信息以供进一步分析、诊断等再次利用的需要。文中介绍了信息截取方法的原理及软硬件实现。该方法适用于仅具有简单液晶数据显示功能的医疗仪器显示信息的。采集和再处理。

可视化技术及其在医学教学中的应用

可视化技术是图形生成技术和图像理解技术相结合的一种新技术 ,它既可理解送入计算机的图像数据 ,也可从复杂的多维数据中产生图形 ;可以把科学计算过程中的数据及结果转换成几何图形及图像信息 ,从而使之可以在屏幕上显示出来并进行交互处理。本文详细介绍了可视化技术的新进展以及在医学教育方面的作用和应用前景。

离散时间域的 Gabor 谱分析及其在语音处理中的应用

把Ｇａｂｏｒ谱应用于离散时间域，对典型信号进行处理和分析，并与短时傅里叶变换和离散Ｗｉｇｎｅｒ分布相比较，证明了离散Ｇａｂｏｒ谱不仅在时频域具有和离散Ｗｉｇｎｅｒ分布相同的高分辨率，优于短时傅里叶变换，而且能有效地消除离散Ｗｉｇｎｅｒ分布中交叉干扰的影响．文中还进一步应用离散Ｇａｂｏｒ谱，对汉语语音信号进行了处理，结果表明它可以较好地描述语音信号频谱的时变特性，为语音识别和话者识别开创了一种新的途径．

诱发电位提取的聚类分析和小波去噪复合方法

本文研究了提取诱发电位的一种复合方法 ,它用聚类方法对诱发电位信号进行筛选 ,将筛选出的信号进行叠加以消除测试数据不一致性对叠加结果的影响。然后利用小波方法进一步去除噪声 ,提高信噪比。文中介绍了模糊聚类方法和小波去噪理论 ,并通过仿真计算来评估提取效果。仿真计算表明该方法可减少测试次数 ,提高信噪比 ,对视觉脑干诱发电位处理结果显示 ,该方法的实际处理效果良好。

Windows环境下生物医学信号高速采样的实现

Windows下的实时数据采集是生物医学信号处理中很重要的一部分 ,然而Windows操作系统为非实时系统。本文介绍了在非实时的Windows下进行实时数据采集的几种常用方法 ,同时给出了利用Windows本身实现高速采样控制的两种方法。综合使用本文提出的方法 ,可在Windows环境下实现 5 0kb s的实时采样 。

用神经阵列网络进行文本无关的说话人识别

提出了一种可用于说话人识别的神经阵列网络，它以仅完成两类模式区分的小型网络作为子网络，再将单个子网络组合成阵列形式来完成多类模式的区分。文中给出了阵列网络的构成及搜索算法，并使用径向基函数（ＲＢＦ）阵列网络进行了文本无关的说话人识别的研究。实验显示，对 ２０名说话人，用 ５秒语音训练， ２秒语音识别时，该方法可达到 ９８％的正确识别率。

文本无关的说话人识别:综述

本文介绍了说话人识别的基本概念和应用前景,分析了说话人识别的技术难点,详细讨论了说话人语音特征的提取方法和说话人识别方法并简要介绍了作者的工作。