Discrimination between Dementia Groups and Healthy Elderlies Using Scalp-Recorded-EEG-Based Brain Functional Connectivity Networks

Objective: To establish a practical method for discriminating dementia groups and healthy elderlies, by using scalp-recorded electroencephalograms (EEGs). Methods: 16-ch EEGs were recorded during resting state for 39 dementia groups and 11 healthy elderlies. The connectivity between any two electrodes was estimated by synchronization likelihood (SL). The brain networks were constructed by normalized SL values. The present leave-one-out cross validation (LOOCV) required the Euclidean distance between any two subjects having 120-dimensional vectors concerned with the SL values for six frequency bands. In order to investigate factors which would affect the LOOCV results, principal component analysis (PCA) was applied to all the subjects. Results: The accuracy for the upper alpha yielded more than 80% and 70% in the dementia groups and the healthy elderlies, respectively. The LOOCV result could be explained in terms of brain networks such as executive control network (ECN) and default mode network (DMN) characterized by factor loadings of principal components. Conclusions: Dementia groups and healthy elderlies could be characterized by principal components of SL values between all the electrode pairs, even less connections, which revealed disruption and preservation of DMN and ECN. Significance: This study will provide a simple and practical method for discriminating dementia groups from healthy elderlies by scalp-recorded EEGs.

顾及转弯特征点的渔船轨迹压缩算法

为提高渔船轨迹压缩中的转弯特征保留效果,提出一种顾及转弯特征点的轨迹压缩(Time-Ratio Turn,TR-T)算法,该算法在压缩前检测轨迹转向特征点,并通过轨迹分段提高压缩效率。为验证该算法的实用性,采用真实的南海渔船轨迹数据进行实验,并对轨迹转弯特征进行可视化分析。实验结果显示:在平均误差上,TR-T算法与自顶向下的时间比例(Top-Down Time-Ratio TD-TR)算法较为一致并且优于道格拉斯普克(Douglas-Peucker,DP)算法,并且在压缩率大于70%时,其平均误差都小于1 m;在压缩时间上,TD-TR算法与DP算法压缩时间约为TR-T算法的3倍和6倍;在可视化效果方面,TR-T算法能够保留原始轨迹的整体交通流情况,并且较其他2种算法转弯处的特征点保留效果更好。

基于目录哈希树的车联网数据同步传输方法仿真

针对当前使用的数据传输方法受到威胁数据影响,导致数据同步传输时间较长的问题,提出了基于目录哈希树的车联网数据同步传输方法仿真。通过车联网数据监控平台自助分析监测结果,设计了处理逻辑时序示意图,并确定了同步传输时序。构建目录哈希树,针对车辆道路切换、紧急路况两种情况设计数据同步传输流程,计算加权欧氏距离,获取最佳隶属度矩阵和规范矩阵,并构建威胁目标识别模型,实现威胁数据的精准识别。由仿真结果可知,该方法在数据大小为200 kB时,车联网数据同步传输时间的优势更为明显,最短为53.12×10-3s,具有良好传输效果。

基于运动状态改变的在线全球定位系统轨迹数据压缩

针对基于偏移量计算的轨迹数据压缩算法中对于关键点的评估不足以及基于在线轨迹数据压缩算法中累积误差和对偏移量考虑不足的问题,提出一种基于运动状态改变的在线全球定位系统（GPS）轨迹数据压缩算法——限定同步欧氏距离（SED）的阈值结合算法（SLTA）。该算法通过轨迹点的转向角度大小和速度变化大小来评估轨迹点信息量的大小;同时用SED限制点的偏移量,以达到较好的信息保留度。实验结果表明,SLTA的轨迹压缩率能够达到50%左右,与阈值结合算法（TA）相比,SLTA的平均SED误差（5 m以内）可以忽略不计;相对于基于偏移量计算的轨迹数据压缩算法,SLTA的平均角度误差最小（1.5°-2.3°）,运行时间最稳定。SLTA能够稳定有效地进行在线GPS轨迹数据压缩。

基于线性分组码的自同步扰码盲识别

针对加扰前信息序列为线性分组码情况下的自同步扰码盲识别问题,提出了一种有效的解决方法.首先,从理论上分析了线性分组码与随机序列游程特性的差异,得出了扰码序列正确抽取与错误抽取时输出序列的游程特性的区别;然后,通过遍历寻找抽取后序列的游程比值与随机序列游程比值的欧几里得距离的最大值方式实现了自同步扰码多项式的盲识别.仿真实验验证了理论分析的正确性,解决了0、1均衡情况下的线性分组码自同步扰码盲识别问题,具有一定的工程应用价值.

基于偏移量计算的在线GPS轨迹数据压缩

针对现有基于偏移量计算的在线GPS轨迹数据压缩算法不能有效评估关键点的问题,提出基于偏移量计算的在线GPS轨迹数据压缩算法——关键点前继修正算法(KPFA)。该算法通过计算同步欧式距离(SED)累积偏移量来发现轨迹点中信息量较大的关键点,同时设置阈值对关键点之前和上一个关键点之后的轨迹点进行修正,更好地保留轨迹信息。实验结果表明,和按时间比例的开窗算法(OPW-TR)及启发式空间质量简化算法的改进算法(SQUISH-E)相比,压缩率相同时KPFA的平均SED误差最小,并且运行时间最快且维持在100 000 ms。KPFA算法对轨迹点的信息量评估准确度更高,运行时间更稳定。

顾及运动特征的滑动窗口轨迹数据压缩改进算法

滑动窗口轨迹数据压缩算法使用垂直欧式距离作为轨迹点能否被压缩的判断依据,且能够针对实时数据进行在线压缩,在轨迹数据处理中应用广泛。但是,同目前大多数轨迹压缩算法一样,其将轨迹数据的几何形态特征作为判断特征点是否应当被压缩的唯一依据。除几何特征外,轨迹数据中还包含了速度、时间间隔等运动特征信息,且轨迹主体的运动状态对轨迹数据几何形态有很大影响。针对该问题,在滑动窗口压缩算法的基础上,提出一种顾及时间同步欧式距离和运动速度的轨迹数据压缩算法,通过运动特征的加入更加准确地捕捉轨迹特征点,实现更高精度的数据压缩。实验结果表明,较现有的滑动窗口轨迹数据压缩算法,本文算法能够有效减小压缩误差,提高压缩准确率。

基于相对同步欧氏距离筛选的在线GPS轨迹数据压缩算法

为了减小给定压缩率下,压缩轨迹与原始轨迹之间的差异,提出一种基于相对同步欧氏距离筛选的在线GPS轨迹数据压缩算法。所提算法可以根据用户的压缩率要求设定轨迹压缩过程,将新到来的轨迹点保存到一个存储队列中,每次从队列中选择引起同步欧氏距离误差最小的轨迹点移除,以达到在给定压缩率下减小压缩前后轨迹间差异的目的。理论分析和实验结果表明,较现有以压缩率为压缩依据的主流在线GPS轨迹数据压缩算法而言,压缩率相同时,所提算法对应的平均同步欧氏距离误差明显减小,所需的压缩时间略有增加。

基于在线有向无环图的船舶轨迹压缩算法

为了解决船舶轨迹数据的压缩问题,提出了一种船舶轨迹在线压缩算法;使用多次滑动推算船位判断方法清洗船舶轨迹,使用在线有向无环图在干净轨迹上建立压缩路径树并输出采样点;为了提高轨迹队列和路径树在内存中的查询速度,使用哈希表对其进行管理;为了验证提出算法的效果,比较了真实船舶自动识别系统数据与方向保留算法、道格拉斯-普克算法的压缩时间和误差,采用可视化方法分析了原始轨迹、清洗轨迹和压缩轨迹。试验结果表明:在压缩时间方面,方向保留算法和道格拉斯-普克算法的压缩时间分别约为提出算法的1.1、1.3倍,说明提出的算法比其他2种算法的处理时间更短;提出的算法在压缩过程中保留了时间信息,平均同步欧氏距离误差在任何压缩率下都能保持在10 m以下,最大同步欧氏距离误差在压缩率为1%时仅有127 m,而其他2种算法的平均同步欧氏距离误差和最大同步欧氏距离误差不受控制,会随机变化;在垂直距离误差方面,提出的算法与道格拉斯-普克算法在压缩率不小于5%的条件下,都能保证垂直距离误差小于20 m,而方向保留算法的垂直距离误差会随机变化;在显示效果方面,提出的算法能有效清除轨迹噪声点,压缩轨迹能够较好地代表原始轨迹的宏观交通流情况。可见,提出的算法能更高效地保留原始轨迹的形状和时间信息。