期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于互信息量的生物信息数据特征标注方法
1
作者
何红洲
周明天
《电子科技大学学报》
EI
CAS
CSCD
北大核心
2013年第6期916-920,共5页
提出了一种用于排位特征变量的基于特征矩阵信息增益的无监督特征标注准则(IGC)及直接选择法(DS)、累积最大熵法(CEM)和最大信息增益法(IGM)3种新的特征过滤方法来降低聚类的复杂度。使用经典的QC或K-means聚类算法,在杆状病毒数据集(R...
提出了一种用于排位特征变量的基于特征矩阵信息增益的无监督特征标注准则(IGC)及直接选择法(DS)、累积最大熵法(CEM)和最大信息增益法(IGM)3种新的特征过滤方法来降低聚类的复杂度。使用经典的QC或K-means聚类算法,在杆状病毒数据集(RSV)、混合血统白血病数据集(MLL)和急性白血病患者数据集(ALP)等3种不同的生物信息数据集上测试并对比了这些特征过滤方法和目前的偏差选择(VS)和基因修剃(GS)过滤方法对聚类结果的影响。试验结果表明,3种特征过滤方法在加速聚类过程及保持初始数据的聚类结构上都具有明显的优势。
展开更多
关键词
特征标注
特征过滤
信息增益
Jaccard群落系数
奇异值分解熵
下载PDF
职称材料
三维输入卷积神经网络脑电信号情感识别
被引量:
5
2
作者
蔡冬丽
钟清华
+2 位作者
朱永升
廖金湘
韩劢之
《计算机工程与应用》
CSCD
北大核心
2021年第5期161-167,共7页
为了保留电极之间的空间信息以及充分提取脑电信号(Electroencephalogram,EEG)特征,提高情感识别的准确率,提出一种基于三维输入卷积神经网络的特征学习和分类算法。采用单熵(近似熵(Approximate Entropy,ApEn)、排列熵(Permutation Ent...
为了保留电极之间的空间信息以及充分提取脑电信号(Electroencephalogram,EEG)特征,提高情感识别的准确率,提出一种基于三维输入卷积神经网络的特征学习和分类算法。采用单熵(近似熵(Approximate Entropy,ApEn)、排列熵(Permutation Entropy,PeEn)和奇异值分解熵(Singular value decomposition Entropy,SvdEn))以及其组合熵特征,分别在DEAP数据集进行效价和唤醒度两个维度上的情感识别实验。实验结果表明,采用组合熵特征比单熵特征在情感识别实验中准确率有显著提高。最高组合熵特征平均准确率在效价和唤醒度上分别为94.14%和94.44%,比最高单熵特征平均准确率分别提高了5.05个百分点和4.49个百分点。
展开更多
关键词
脑电信号
情感识别
近似
熵
排列
熵
奇异值分解熵
卷积神经网络
组合特征
下载PDF
职称材料
题名
基于互信息量的生物信息数据特征标注方法
1
作者
何红洲
周明天
机构
电子科技大学计算机科学与工程学院
绵阳师范学院数学与计算机科学学院
出处
《电子科技大学学报》
EI
CAS
CSCD
北大核心
2013年第6期916-920,共5页
基金
四川省教育厅自然科学研究项目(12ZB070)
文摘
提出了一种用于排位特征变量的基于特征矩阵信息增益的无监督特征标注准则(IGC)及直接选择法(DS)、累积最大熵法(CEM)和最大信息增益法(IGM)3种新的特征过滤方法来降低聚类的复杂度。使用经典的QC或K-means聚类算法,在杆状病毒数据集(RSV)、混合血统白血病数据集(MLL)和急性白血病患者数据集(ALP)等3种不同的生物信息数据集上测试并对比了这些特征过滤方法和目前的偏差选择(VS)和基因修剃(GS)过滤方法对聚类结果的影响。试验结果表明,3种特征过滤方法在加速聚类过程及保持初始数据的聚类结构上都具有明显的优势。
关键词
特征标注
特征过滤
信息增益
Jaccard群落系数
奇异值分解熵
Keywords
feature annotation
feature filtering
information gain
Jaccard score
SVD-entropy
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
三维输入卷积神经网络脑电信号情感识别
被引量:
5
2
作者
蔡冬丽
钟清华
朱永升
廖金湘
韩劢之
机构
华南师范大学物理与电信工程学院
出处
《计算机工程与应用》
CSCD
北大核心
2021年第5期161-167,共7页
基金
国家自然科学基金(61871433)
广东省优秀青年教师培养计划资助项目(YQ2015046)
广州市珠江科技新星资助项目(201610010199)。
文摘
为了保留电极之间的空间信息以及充分提取脑电信号(Electroencephalogram,EEG)特征,提高情感识别的准确率,提出一种基于三维输入卷积神经网络的特征学习和分类算法。采用单熵(近似熵(Approximate Entropy,ApEn)、排列熵(Permutation Entropy,PeEn)和奇异值分解熵(Singular value decomposition Entropy,SvdEn))以及其组合熵特征,分别在DEAP数据集进行效价和唤醒度两个维度上的情感识别实验。实验结果表明,采用组合熵特征比单熵特征在情感识别实验中准确率有显著提高。最高组合熵特征平均准确率在效价和唤醒度上分别为94.14%和94.44%,比最高单熵特征平均准确率分别提高了5.05个百分点和4.49个百分点。
关键词
脑电信号
情感识别
近似
熵
排列
熵
奇异值分解熵
卷积神经网络
组合特征
Keywords
Electroencephalogram(EEG)
emotion recognition
approximate entropy
permutation entropy
singular value decomposition entropy
convolutional neural network
combined features
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于互信息量的生物信息数据特征标注方法
何红洲
周明天
《电子科技大学学报》
EI
CAS
CSCD
北大核心
2013
0
下载PDF
职称材料
2
三维输入卷积神经网络脑电信号情感识别
蔡冬丽
钟清华
朱永升
廖金湘
韩劢之
《计算机工程与应用》
CSCD
北大核心
2021
5
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部