网页信息过载时视觉搜索策略与信息加工方式的眼动研究

为了定量研究网页信息过载对视觉搜索的影响,利用眼动技术调查研究了用户在网页信息过载下的视觉搜索行为.实验结果表明:无论网页信息是否过载,用户视觉搜索都是以图为导向的,并且都呈现周边特性;网页信息过载显著延长了视觉搜索时间,造成获取信息的时间成本增加或时间损失;网页信息过载时,用户更倾向于采用减少平行加工、增加系列加工的信息加工方式来提高视觉搜索效率.

脑电数据近似熵与样本熵特征对比研究

近似熵和样本熵均是量化时间序列复杂性的重要指标,通过两组数据集讨论近似熵与样本熵哪种更适合作为脑电特征。实验结果表明,样本熵作为特征比近似熵能更恰当反映情绪活动存在的差异,差异电极主要集中在大脑前额;以样本熵为分类特征识别嗜酒成瘾者与正常人的平均准确率为80.25%,高于近似熵为分类特征的74.25%,且样本熵算法的计算时间比近似熵算法几乎节约一半。相对于近似熵来说,样本熵更适合作为脑电特征。

Web页面视觉搜索与浏览策略的眼动研究

利用眼动跟踪技术,探讨W eb页面视觉搜索和浏览的视觉特征,并分析2种视觉行为对应策略的差异.实验结果发现,视觉搜索时,周边区域的注视时间和注视次数显著大于中心区域;而视觉浏览时,周边区域和中心区域没有显著差异.而且,视觉搜索时的瞳孔直径显著大于浏览时的瞳孔直径,说明视觉搜索时的心理负荷显著大于浏览时的心理负荷.结果表明,在W eb页面上视觉搜索呈现周边区域的视觉搜索策略,而对于视觉浏览更多采用无明显规律的自由随机浏览策略.这种视觉搜索与浏览策略的差异主要是来自目标驱动和心理负荷大小的影响.

文本信息处理研究述评

文本信息处理就是通过计算机对文本从表及里、由此及彼的分析处理,不仅仅抽取包含其中的信息,更需要分析推理蕴涵其中的意义。全面地分析探讨了文本信息处理研究现状,概述了文本信息处理的发展历史,将文本信息处理研究归纳为分词研究、文本信息抽取、文本分类、文本信息检索、文本自动摘要等方面,并分别对各领域的研究现状做了概述,指出了各研究领域中存在的问题。讨论了文本信息处理的关键技术问题及其挑战,指出了文本信息处理的远景目标就是文本信息的语义分析、归纳推理和文语转换。

Web页面信息的视觉搜索行为特征的研究

网页是非常重要的人机界面,网页信息如何有效、合理地布局以引导人们的视觉行为,进而提高视觉搜索效率是网页设计者重点考虑的问题。从认知科学角度研究人们在Web页面上进行设计视觉信息搜索时的视觉行为特性,同时探讨浮动广告对于视觉搜索行为的影响。实验结果显示:无论是否有浮动广告,Web页面周边区域的注视时间和注视次数都显著大于中心区域。实验结果表明,Web页面视觉性搜索信息时,更多地注视周边区域,呈现视觉搜索的周边特性;而浮动广告对于视觉搜索行为没有显著影响。实验结果说明:(1)从视觉搜索角度来看,对于具有超级链接性质的标题信息,放置在周边区域比在中心区域更有利于人们的视觉搜索行为;(2)浮动广告的广告效应不明显。

邮件网络中基于介数的免疫策略研究

针对如何抑制病毒在邮件网络中的传播问题,在交互式邮件传播模型中分析介数免疫策略与传统基于度信息的免疫策略对病毒传播的控制能力。在真实的安然邮件网络和人工网络中对比各种免疫策略的效率与代价,结果发现节点介数免疫策略只须保护少量节点就可以降低病毒传播规模,有效地保护网络安全。

基于意见领袖引导作用的网络舆论演化研究

构建有效的意见交互模型是预测舆论发展趋势的关键,但传统意见交互模型的构建环境是封闭的社交网络。为了构建动态的虚拟网络环境下的意见交互模型,提出一种基于意见领袖引导作用的网络舆论演化分析方法。该方法充分考虑了网络环境和不同意见传播者的特点。实验结果显示,提出的方法可以很好地模拟网络舆论的演化过程和预测网络舆论的未来发展趋势。

校园无线移动模型的研究

移动性一直是无线自组织网络中的一个非常重要的构件。移动模型是自组织网络中的一个关键科学问题。针对MA-NET路由协议研究的基础性问题,根据校园移动节点的行为方式,利用AOC系统中原型设计方法(AOC-by-prototyp ing)结合Trial-and-Error处理过程建立一种基于AOC自治系统的校园无线移动模型,基于移动模型,通过NS-2仿真平台进行仿真实验,分析不同节点的移动方式对MANET路由协议的影响。仿真结果表明,数据包传递率方面DSR和AODV协议受节点移动速率变化影响不大,且均超过95%;在路由开销方面,DSR协议在停滞等待时间tp很小的情况下开销最少,但tp变化大时DSDV协议性能稳定。

启发式搜索策略应用研究及认知系统仿真

为了寻找人类智能在启发式搜索上的优势,帮助建立基于认知的网络搜索模型,提出了基于视觉感知和目标递归的综合策略。采用功能技术fMRI结合ACT-R认知系统仿真的方法。以简化四方趣题为范式,通过fMRI实验获取信息加工同步的脑激活模式。分析了问题求解过程提出视觉感知策略和目标递归策略混合策略假设,并建立产生式系统。ACT-R认知系统模拟启发式搜索中综合策略应用过程,仿真实验结果表明,反应时偏差0.3s,脑功能区BOLD效应拟合值0.95。研究结果表明,综合策略应用能实现信息有效选择、缩短加工路径、减轻记忆负担和加速搜索过程,是人在启发式搜索上区别于机器的优势。

基于神经网络的动力电池SOC研究

利用神经网络进行了动力电池荷电状态(SOC)预测研究。在分析磷酸铁锂电池充放电机理的基础上,采用levenberg-marquardt(LM)算法建立了动力电池的BP(back propagation)神经网络模型,并进行了电池SOC值的预测。结果表明,基于神经网络的电池SOC预测方法具有较高的精度,可用来预测磷酸铁锂电池的SOC值。

MCI患者数字推理能力的海马fMRI研究

目的:比较轻度认知功能障碍(MCI)患者和正常对照在完成高级认知任务(数字推理)时海马的BOLD信号的差异,探讨MCI患者海马功能的改变和基于BOLD功能磁共振成像诊断MCI的方法。方法:使用Siemens 3.0T磁共振扫描仪对9例MCI患者和13例正常对照在完成两种数列完形任务(规则归纳和规则应用)时进行功能像扫描,并对海马区BOLD信号进行ROI分析。结果:不论是在规则归纳任务还是在规则应用任务中,MCI患者双侧海马的激活强度均低于正常对照组。结论:MCI患者在完成数字推理任务时海马激活强度的减低对于MCI的早期诊断有重要的参考价值。

基于谱聚类的MCI功能影像分类特征选择研究

为有效提取轻度认知障碍患者发生病变的特征、解决传统聚类方法在BOLD-fMRI数据特征提取中存在的不足,提出了改进的谱聚类方法。采用改进的谱聚类方法对fMRI数据进行聚类、提取模式特征,使用该特征对MCI和正常人进行分类研究,正确率达到了82%,且存在异常模式的脑区大多属于MCI患者的关键脑区。实验结果表明,谱聚类可以应用于BOLD-fMRI特征提取,为今后MCI辅助诊断模型提供了一定的研究基础。

基于非确定图灵机的中文搜索引擎研究

随着Internet用户对Web信息资源需求的增加,搜索引擎技术得到迅猛的发展.针对目前中文搜索引擎大多采用基于关键词精确匹配(Accurately matched)的低智能性问题,提出一种基于非确定图灵机NTM(Nondetermin-istic Turing Machine)智能中文搜索引擎系统,简要介绍了非确定图灵机的基本知识,详细叙述了该搜索引擎的系统架构,系统实现的基本原理和算法.实验数据结果表明,基于非确定图灵机智能中文搜索系统在查询结果的准确性和智能性明显高于现有的搜索系统.

信息检索中基本水平类概念加工优势的研究

类概念是日常生活的重要组成部分,类概念可划分为上位水平、基本水平和下位水平。根据"oddball"范式,该课题使用国内省份、城市、景点以及少量动物和植物为实验材料,用传统的行为研究技术为实验手段,设计了语义启动任务,试图探讨启动范式下不同的类概念层级与信息提取之间的关系,研究提问线索对信息检索粒度的影响以及不同层次概念提取的差异,观察基本层加工优势的存在。实验结果表明,类概念层级间的优先加工会受到任务范式的影响,不同类概念水平之间的语义启动具有方向性。

改进电池SOC估算方法研究

针对传统的荷电状态(SOC)估算方法估算动力电池荷电状态精度不高,对混合动力系统中动力控制器的正常运作有很大影响,使得节能效果大大降低,从四线法和能量守恒定律对电池内阻测量出发,提出了一种改进的电池SOC估算方法,该估算方法不但能够估算电池恒定大电流和小电流放电,同时也非常适合变电流放电工况,在变电流放电工况下,新的电池SOC估算方法的估计值误差明显小于5%,因此具有较高的估计值精度。

科学研究的准则与精神

2008年4月,北京工业大学国际WIC研究院正式获批成为欧盟委员会第七框架项目之一——大规模知识加速器（LarKC）项目的成员单位。由于科研需要,2009年5月我被派往荷兰阿姆斯特丹自由大学（VUA）进行为期5周的学术交流。在这里的每一天都给我以震撼性的教育,使我对科学研究的准则、精神有了更深刻的认识。

基于SAE和LSTM RNN的多模态生理信号融合和情感识别研究

为了提高情感识别的分类准确率,提出一种将栈式自编码神经网络(SAE)和长短周期记忆单元循环神经网络(LSTM RNN)融合的多模态融合特征情感识别方法。该方法通过SAE对不同模态的生理特征进行信息融合和压缩,随后用LSTM RNN对长时间周期的融合进行情感分类识别。通过将该方法用到开源数据集中进行验证,得到情感分类准确率达到0.792 6。实验结果表明,SAE对多模态生理特征进行了有效融合,LSTM RNN能够有效地对长时间周期中的关键特征进行识别。

图形型归纳推理的神经机制:一项fMRI研究

利用fMRI脑成像技术探讨图形型归纳推理的神经机制。设计了一种由图形形状和条纹方向描述的简单几何图形组成的归纳推理任务,这种图形型任务与以往研究中常用的语句型归纳推理任务是同质的。根据两个图形共享特征数量的不同设计了两种实验任务:共享两个特征(2T)和共享一个特征(1T),以休息基线(Rest)作为控制任务。2T和1T任务均为归纳推理任务,但2T任务包含知觉特征整合成分,而1T任务不包括。结果发现:与控制任务相比,归纳推理任务在前额区(BA6、9、11、46、47)、尾状核、壳核和丘脑等脑区有显著激活,反映了"前额皮层-纹状体-丘脑"通路在图形型归纳推理中的重要作用;图形型归纳推理中的知觉信息整合与右侧额下回(BA47)、双侧尾状核头部、壳核等脑区有关。

基于样本熵的时间序列非线性检测方法研究

为检测时间序列的非线性特性,针对替代数据法中常用特征量的不足,提出一种基于样本熵的非线性检测方法。采用样本熵作为替代数据法中的特征量来检测时间序列的非线性,在Lorenz方程、Logistic方程以及线性AR模型产生的3种仿真数据上进行验证,进一步与其它算法的时间效率进行对比。实验结果表明,对于不同长度、不同特性的数据,该方法的检测结果稳定有效,时间效率大幅度提高。

静息态脑区的活动特征研究

静息态脑区的活动处于一种相对稳定的状态。但是,静息态机能性磁共振成像(functional Magnetic Resonance Imaging,fMRI)实验中,被试者可能会受到各种噪声的影响,因此,统计分析所得到的静息态脑区的活动强度和体素数都可能受此影响。为了更进一步研究静息态脑区的活动特点,分别对16名被试采集了8′14″的静息态fMRI数据,将这些数据按照时间等分为5个部分,对每个部分分别采用低频振幅方法进行分析。实验结果显示:楔前叶和后扣带皮层包含活动体素的个数随时间变化较小,处于一种相对稳定的状态;额内侧皮层和顶下小叶中活动体素个数随时间变化差异较大,处于不是很稳定的状态。实验结果表明,静息态脑区中,楔前叶和后扣带皮层对于外界噪声的干扰不敏感,额内侧皮层和顶下小叶对于外界噪声比较敏感。