多层频时空特征提取的RSVP目标分类算法

由于事件相关电位(ERP)信噪比低、变异性强,其在大脑皮层所体现的空间−时间信息分布在不同RSVP范式下的分布差异较大,并且传统基于CSP或LDA的单试次解码算法在不同数据集下分类性能不稳定,分类模型鲁棒性在数据集间有限.对此,从频−时−空域多个角度出发,通过设计两个交替迭代优化的空时域滤波器进行特征提取,提出了一种多层频时空ERP特征提取的目标分类算法(STAEE)以增强RSVP-BCI的解码性能.算法共分为滤波器组模块、时间窗分解模块、空时域滤波模块和感兴趣区域选择模块.在两个公共RSVP数据集的分类任务中,相较于结构化判别分析(HDCA)、共空域模式(CSP)、滤波器组共空域模式(FBCSP)以及空时判别分析(STDA)4个基准算法,所提出的STAEE算法获得了更高的曲线下面积(AUC),这表明该算法能够有效克服ERP在不同数据集分布的变异性,提升识别系统的分类性能.

基于ERP信号的目标检测研究综述

目标检测是一个广泛应用于多个领域的研究课题。传统的计算机视觉方法存在复杂度高、泛化能力差、模型对象可迁移性差等缺点,而人脑在目标检测方面具有较强的认知能力和感知能力,仅需要很少的训练样本就可以达到较好的检测效果。基于事件相关电位(Event-Related Potentials,ERP)的脑机接口(Brain-Computer Interface,BCI)是一种全新的提升目标检测性能的方法,它能够将脑内信息与外部环境进行交互。在此基础上,Gerson提出了一种以脑电信号为基础的快速串行视觉呈现(Rapid Serial Visual Presentation,RSVP)范式,包括显示方式、有效视觉范围、目标复杂度、刺激频率和持续时长等。该文还对ERP信号的预处理、特征提取及分类等方法进行了综述,并对该领域的局限性和发展趋势进行了探讨。

基于序列特征融合和深度置信网络的配网故障选线方法

针对配网发生单相接地故障特征提取困难,且现有选线方法精度不高的问题,提出了一种基于序列特征融合和深度置信网络的故障选线方法。首先,通过序列特征融合方法对同一故障工况下的各馈线暂态零序电流进行数据拼接,获取序列融合特征。然后,将序列融合特征作为蜘蛛猴算法(spider monkey optimization,SMO)优化深度置信网络(deep belief network,DBN)的输入,经DBN自适应地提取低维故障特征进而实现故障选线。仿真结果表明,所提方法和现有方法相比,具有较高的选线精度。当信噪比达到10 dB时,所提算法的平均选线精度达到99.78%,具有较强的鲁棒性。

基于压力脉动和时序分析的离心泵空化特征提取

根据压力脉动幅值对空化变化相当敏感的特点,利用离心式水泵试验平台模拟空化现象,获取水泵出口压力信号。研究发现,在空化发生时刻,水泵出口压力的轴频幅值增大,且存在很多低频脉动成分。同时,根据试验获取的壳体振动和出口压力信号,分别建立该水泵正常运行的时间序列数学模型,利用模型残差的方差值判别离心泵的运行状态,实现对其空化特征的识别。

基于Ontology扩展查询的数学表达式检索模型

针对现有数学表达式检索系统中待检索表达式与目标文档之间的语义关联问题,在使用序列化特征提取方法解析La Te X表达式的基础上,提出一种基于Ontology的数学表达式检索方法。运用Ontology建立数学表达式及其概念之间的联系并构建数学表达式语义本体库,以达到输入关键词、概念、短语和数学名词可检索数学表达式语义相关文献的目的。实验结果表明,基于Ontology的数学表达式检索方法运用本体概念扩展查询结果集,使得查全率、查准率和扩展率均有一定程度提高。

高分辨率天文图像并行处理中的分块方法研究

针对高分辨率天文图像分辨率较高,较多的专家学者采用了对图像进行分块的策略,将不同的图像块进行并行处理,但少有对分块方法进行研究和分析.文中对分辨率较高的图像如何分块进行了分析和研究,并提出了一种分块方法,该方法通过不同分辨率和不同CPU核数下进行分析和实验,在不同资源环境条件下,对图像进行分块处理,得到不同情况下的串并行处理时间,得到在什么情况下才有串行方式处理,什么情况下才有分块策略进行并行处理,通过实验和分析,验证了该方法的有效性和实用性.

神经网络的人民币序列号识别算法

研究人民币智能鉴伪问题,人民币序列号是人民币的"身份证",优化识别人民币的真伪将直接影响经济秩序。由于人民币在流通过程中容易出现磨损、污染和缺损等,导致人民币序列号识别的正确率不高。为了提高人民币序列号识别的正确率,更好地鉴别出人民币的真伪,提出根据BP神经网络对人民币序列号识别算法。首先对人民币图像进行预处理,消除一些不利信息和噪声,然后对人民币序列号进行分割和归一化,并提取字符的特征向量,最后采用BP神经网络对字符进行仿真。仿真结果表明,BP神经网络识别算法的人民币序列号识别正确率达到97%以上,并且识别速度快,为人民币识别提供了有效方法。

基于序列图像的虹膜特征提取与分类

根据单一虹膜图像进行虹膜识别时,存在被干扰影响而改变的特征,而从单一图像中无法判断这些特征的有效性.因此,根据这些特征难以对虹膜做出正确分类.针对这个问题,提出了基于序列图像的虹膜识别方法.从多个图像提取的二值相位特征,经过特征配准将虹膜特征投影,获得低维的子空间特征,用子空间上的特征作为该虹膜的特征,将其与数据库中的特征进行比对,从而进行虹膜识别.与基于单一图像的虹膜分类方法相比,该方法的虹膜分类性能明显得到改善.

基于TMR传感器的冠字码提取与识别算法

针对第5套人民币冠字码,采用TMR传感器获取冠字码磁信号,经小波变换对信号降噪,采用能量差法截取冠字码有效磁信号,对其提取多个时域特征,构建特征判据样本库,利用BP神经网络识别冠字码磁信号,实现真假币分类。实验结果表明,所采集的不同面额纸币的冠字码磁信号稳定饱和,小波变换对磁信号降噪效果良好,能量差法可以获取完整、有效的冠字码磁信号,BP神经网络算法运算速度快、识别率达100%。

基于串口通讯的多通道人机交互系统

介绍了系统的工作原理,建立了信息交流和控制的系统结构,将面向对象和基于事件驱动的处理方法应用于通信协议的建立和通信控制过程。结合具体通信控制单元三菱PLC和FX1N-232-BD与PC串口RS-232C的通信,编写了算法和通信控制的代码,经实验证明,通信控制系统运行可靠。

基于步态特征提取方法的研究

对步态识别的国内外研究现状进行了详细的论述;介绍了基于步态识别的身份识别过程,阐述了在步态识别各阶段用到的一些方法;对步态识别的下一步工作进行了探讨。