改进CSP算法的联合特征优化法

传统的公共空间模式分解需要大量输入通道、缺乏频域信息,文章分别从改进CSP滤波器、构建关于CSP的联合特征、优化识别过程三个方面完善CSP算法的不足。首先,提出基于S变换的公共空间滤波器成分选择算法--CSPS。并将CSPS与EMD、EEMD、双谱分析结合,构建EMD-CSPS、EEMD-CSPS、双谱-CSPS三种联合特征并比较判别效果。最后,使用优化后的联合特征,一方面,对支持向量机惩罚因子和内核参数进行优化,确定惩罚因子最优取值范围和最具分类稳定性的内核函数;另一方面,分别采用支持向量机和线性判别分析进行特征识别与比较。文章设计了左右手想象运动思维任务实验,获取实验数据集,并结合BCI竞赛数据集,从分类正确率和响应时间两个指标出发,分析各优化方法有效性。结果表明:采用S变换优化后的双谱-CSPS特征在LDA分类器下,获得较高的分类正确率和较低的系统建模时间。

基于特征选择和倾向分析联合优化的UGC情感自动识别方法

随着Web2.0思想观念及其技术的广泛应用,基于社交媒介的UGC对经济、政治、社会、军事、外交及其他方面都产生了重要的影响,基于UGC的情感倾向性自动识别研究具有重要的理论意义和实际应用价值。本研究针对当前情感倾向性自动识别中亟待解决的挑战性问题,研究并提出了基于特征选择和倾向分析联合优化的UGC情感倾向性自动识别方法。本研究将所提出的方法应用于实际的中文和英文、两类和五类UGC情感倾向性自动识别中。基于两种不同语言的语料库:中文豆瓣网电影评论文本和英文IMDB电影评论文本,本研究构建了基于特征选择和倾向分析联合优化的情感倾向性自动识别模型,并对该模型进行了检验。一系列的实验结果表明,本研究所提出并构建的基于特征选择和倾向分析联合优化的情感倾向性自动识别模型能够提高UGC情感倾向性自动识别的效果,从而说明了该模型对于中文和英文自动情感分析的有效性。

基于低通滤波和多特征联合优化的夜间图像去雾

夜间有雾图像光照不均、对比度较低且色偏严重。现有的去雾算法主要是针对白天图像,并不适用于夜间场景,夜间图像去雾难度较大。该文通过深入分析夜间有雾图像的成像特点,提出了基于低通滤波和多特征联合优化的夜间图像去雾算法。针对夜间图像环境光照不均匀问题,提出先对图像进行低通滤波,然后对其低频分量三通道利用最小-最大值滤波估计局部环境光;针对目前白天去雾算法先验不适用于夜间图像,提出结合图像对比度、饱和度和信息熵特征,构建多特征联合优化函数估计透射率;针对夜间图像存在非一致色偏问题,提出非重叠块局部Shade of Gray算法进行颜色校正。实验结果表明:所提算法去雾图像的主观视觉效果较好,且对比度和色偏程度两方面客观评价指标整体优于其他对比算法。该算法能够有效去除夜间图像雾气,提高图像的对比度,恢复更多的细节信息,且颜色自然,视觉效果理想。

多跳频信号的盲分离与参数盲估计

针对接收到的多个未知任何先验参数的跳频信号,提出一种先分离各个信号再对其分别进行时频分析来估计跳频参数的方法.首先采用特征矩阵联合近似最优化(JADE)算法分离跳频信号,再利用多窗口重叠的平滑伪Wigner Ville分布(SPWVD)来估计出跳频信号的跳周期(hop duration)、定时偏差(time offset)和跳频频率(跳频图案)等参数.通过将多个时频分析的窗口重叠来克服时频分析中交叉项的影响.仿真结果表明,该估计算法显著提高了估计的准确度和可靠性.