左右手运动想象脑电模式识别研究

如何提高左右手运动想象脑电信号的分类率是脑机接口研究领域的一个热点话题。基于美国EGI64导脑电采集系统得到3名健康被试的脑电数据,首先,采用独立成分分析（Independent Component Analysis,ICA）对采集的数据进行去噪处理;然后,利用离散小波变换方法对分解C3/C4处的EEG平均功率信号,选用尺度6上逼近系数A6的重构信号作为脑电特征信号;最后,用Fisher线性判别分析法（Fisher Linear Discriminant Analysis,FLDA）、支持向量机方法 （Support Vector Machines,SVM）和极限学习机分类方法 （Extreme Learning Machine,ELM）分别对特征信号进行分类。分类结果表明：极限学习机分类方法得出的平均分类率要高于Fisher方法与SVM方法的平均分类率,可以达到92%,而且运行速度也高于另两种分类算法。     

基于因果回路图的网络舆情热度演化模型研究

针对目前网络舆情热度研究工作的不足,提出了一个基于因果回路图的舆情热度演化模型。该模型引入了网民、媒体、政府三个宏观因素,描述了对舆情热度演化的影响。分析仿真实验表明,网民和媒体作用量对舆情热度产生了正向的影响,政府作用量导致了舆情的负向作用。该模型能够准确描述舆情热度的演化行为,为舆情研究提供基础。     

普拉提运动想象的脑电功率谱分析

神经可塑性技术和运动疗法已经在大脑功能障碍疾病的康复中得到了广泛应用,但仍然缺乏科学依据。针对此问题,本文对受过普拉提训练的大学生在静息和运动想象过程中脑电功率谱进行分析。结果发现与静息状态相比,普拉提运动想象会引起整个脑区的Alpha主峰频率显著增加,前额和额中央区的Beta主峰频率显著增加。该研究统计结果表明普拉提运动确实能够改善大脑神经网络之间的连接,进而影响特定脑区的功能,这可能为将来普拉提运动的推广和将普拉提运动想象应用于脑功能疾病康复领域提供了参考依据。     

用于故障诊断的故障因果模型及性质研究

故障因果模型是技术系统故障诊断专家系统中一种有效的知识表示方法。本文着重研究复杂因果模型层次分解的原理和方法,并提出了相应的模型,所得结果在实际中有重要的应用前景。     

静息态下汉字视觉加工脑网络的有效连接度研究

为了分析负责汉字视觉加工的左侧枕下回、左侧梭状回中部、左侧顶上小叶和左侧额中回在静息状态时的信息交互模式,采用多变量Granger因果模型对这些脑区在静息状态的时间序列进行分析.该方法可以有效地避免因为变量具有公共输入而导致的"伪"因果关系.研究结果表明,在静息态下,左侧枕下回和左侧梭状回中部都与左侧顶上小叶存在显著的双向Granger因果连接;左侧枕下回对左侧额中回、左侧额中回对左侧梭状回中部均具有显著的Granger因果影响.上述结果反映了汉字视觉加工脑区在没有外界刺激条件下也存在着动态的信息交互,从而肯定了静息态下存在一个处于准备状态的汉字视觉加工脑网络.     

基于卷积神经网络的多类运动想象脑电信号识别

针对传统多类运动想象（MI）脑电信号的识别方法须进行繁琐的预处理以及特征提取问题,提出基于深度学习的MI信号自动分类方法.在样本表示方面,提出将多通道脑电（EEG）信号转化为一维序列信号处理,在增加样本数量的同时又能够忽略与通道位置相关的空间信息的影响;根据输入信号的特点,采用多层一维卷积神经网络学习不同运动想象状态时脑电信号中的时频信息,自动完成特征提取和分类工作. 将所提出的方法在公共数据集上与多种方法进行比较,并完成对实际采集数据集的分类. 利用所提方法在不需要先验知识的条件下,对脑电信号进行端到端的学习. 结果表明该方法可以获得更高的多分类准确率以及降低个体差异对分类的影响. 所提出的方法有利于促进基于MI 的脑机接口系统的开发.     

基于特征融合和粒子群优化算法的运动想象脑电信号识别方法

由于运动想象脑电信号的信噪比较低,特征提取和特征选择比较困难,无法获得较高的分类准确率.针对上述问题,该文提取了时域、频域和空间域3个观察面的特征,并采用粒子群优化算法结合随机森林分类器来进行特征筛选.具体过程为,首先根据R2图来对信号进行带通滤波;其次,使用小波软阈值和得分共空间模式算法进行去噪和通道筛选;然后,通过...     

基于SVM的4类运动想象的脑电信号分类方法

针对传统支持向量机分类方法在脑电信号处理中存在分类正确率低的问题,将聚类思想与二叉树支持向量机结合构造多类SVM分类器.实验以“BCI Competition 2005”中的DatasetⅢa为例,先对采集的4类运动想象脑电信号应用小波变换进行去噪;再在分析小波包频带划分特点的基础上,利用小波包进行分解与重构,获取相应的能量特征;最后应用改进后的支持向量机(SVM)分类方法对特征信号进行分类.结果表明该方法分类正确率较高,可以达到91.12％,并且有效的减少了分类器的个数,最终达到较好的识别效果.     

基于因果模型的社交网络用户购物行为研究

社交网络用户的购物行为体现用户在社交影响下自身物质需求和社交需求的意愿,是社交网络营销的重要研究内容。传统的网络购物行为分析仅关注用户行为间的相似度,忽略了用户的社交需求及同伴行为的影响。对此,结合反从众理论和社交需求特性,对用户购物行为进行特征构建;其次,针对社交网络用户数据不完全观察特性,提出了基于快速因果推断（Fast Causal Inference,FCI）的用户行为因果机制发现算法;最后,基于模型的实验分析和实证分析验证了模型因果机制的合理性。     

基于广义微状态的运动想象分类研究

该文根据传统微状态的概念,提出了一种广义微状态定义,并基于该定义实现了一种多分类运动想象任务特征提取算法。该文使用实验室2分类数据和2008年国际脑机接口竞赛4分类数据集对提出的特征提取算法进行了测试。对2分类数据特征用最小夹角算法分类,准确率最高达到95.56%;对多分类数据特征用SVM算法分类,效果稳定,其中竞赛数据4分类kappa分析结果接近2008年竞赛获胜者水平,测试结果验证了算法的有效性。     

基于动态符号执行的C代码缓冲区溢出检测

缓冲区溢出是C程序中众多安全隐患的根源之一,以C程序代码为目标对象,提出了一个基于底层虚拟机中间代码的缓冲区溢出检测工具PathChecker.该工具基于动态符号执行方法,使用无量词谓词公式刻画缓冲区操作的安全性质,并利用可满足模型理论求解器技术检验缓冲区操作的安全性.实验结果表明,该工具能有效检测C代码中的缓冲区溢出漏洞,且易于推广至其他高级程序语言代码和其他类型安全漏洞的检测.     

基于神经网络的开关磁阻电动机建模

针对常规的BP算法存在收敛速度慢,容易陷入局部最小值的缺点,提出了一种提高BP网络学习速度的方法,并基于BP神经网络建立了开关磁阻电动机磁特性Ψ(θ,i)模型.神经网络的参数是经过优化选择的,训练的时间和步数都大为减少,程序运行稳定,经过训练、识别、预测三重整定,具有很强的学习泛化能力,大大增强了系统的实时性和鲁棒性.该模型有助于进一步优化能量转换,减小转矩脉动.     

异步交流电机动态数学模型分析与研究

异步交流电动机在运行中,内部磁场相互作用构成了一个强耦合、高阶次的时变系统,创建异步交流电动机的动态模型比较复杂。有些文章为了简化系统模型,在建立电机模型时忽略了电机铁耗,但当电机在剧烈负载情况下,电机由于内部磁场变化剧烈,电机定转子铁耗会急剧增大,此种模型会产生较大的误差,使仿真结果不具说服力。为了验证这种想法,分别建立了一种带铁耗电机数学模型以及忽略铁耗的电机数学模型。利用了Matlab/Simulink对已建数学模型编写框图,并分别作出了两种模型动态响应曲线。最后,通过对比两种模型的仿真曲线,得出了在剧烈负载时,忽略铁耗的电机模型存在较大误差的结论。     

双接触面直线驻波超声电机振子的动力学模型与实验分析

提出了一种直线型驻波超声电机振子,该振子通过改变振子激振频率,利用双面驱动,可以实现双向直线运动。推导出超声电机振子运动的动力学模型的解析式,对振子工作模态和工作频率进行实验分析并对理论分析结果与样机的实验结果进行了比较。     

Identification of Nonlinear Dynamic Systems Using Diagonal Recurrent Neural Networks

Duringpastdecades,greatprocesshasbeenmadetOestimstCobjectswithlinealnon-thoe-variantuncertaincharacteristics,buthowtoidentifynonlinearsystemsfullyisstillPerplexingtheresearchersofcontrolareas.Recently,neuralnetWorksinteresttheresearchersofcoalalareas...     

使用神经网络的软件工程成本模型

研究和论证了用神经网络（ＮＮ）技术开发软件工程成本模型的可能性。ＮＮ模型具有一些优越的重要特性，我们论证了ＮＮ模型的高效率在于：学习时间、动力模型以及比传统软件工程技术要求较少的假定。此外，ＳＯＮＮ算法给出了网络模型的代数描述。该网络模型能帮助研究去确定研究过程中的重要因素。     

运动想象机制研究

运动想象已被广泛地应用在BCI系统上。传统对脑电信号分析主要集中在特征提取和分类上,本文分别从左右想象脑电信号的频域、时域和脑地形图上进行分析,从而获取左右想象脑电信号的特征。     

基于聚类分析的人工神经网络洪水预报模型研究

应用模糊C均值(FCM)和自组织映射网络(SOM)两种方法将洪水流量过程线进行分解,并聚成不同的类别,结合多层前馈神经网络(MFN)建立了两个综合神经网络模型(FCMMFN和SOMMFN),进行洪水预报。在王家厂水库流域洪水预报的应用结果表明,两种聚类方法能够将流量过程分解为具有不同内在规律的若干过程,两种综合神经网络模型预报精度均优于单一的多层前馈网络模型,而且FCMMFN的精度高于SOMMFN。     

行波型超声电机与纵扭型超声电机的比较

基于纵扭型超声电机与行波型超声电机发展存在的问题,笔者分别从超声电机的驱动机理、压电陶瓷逆压电效应的能量转换以及定、转子之间的接触形式三个方面对两种电机进行了详细的分析比较,指出了纵扭型超声电机比行波型超声电机对提高超声电机的性能更具有潜在的优势;同时指明当前阻碍纵扭型超声电机发展的几点不利因素.最后,从发展的角度说明了纵扭型超声电机的发展前景是非常美好的.     

发动机效率因数模型的神经网络辨识方法

基于神经网络原理，提出了汽车发动机效率因数模型的一种辨识方法。假设该因数依赖于发动机轴的角速度和收集器内的压力，所得数据分成两组，一组用于模型辨识，另一组用于决定该模型的预测能力以确定模型的有效性。