基于SSVEP-BCI的可穿戴疲劳检测系统

由于稳态视觉诱发电位的脑机接口(SSVEP-BCI)具有高准确性、高传输速率且无需训练,用户需要花费大量精力专注于视觉刺激以产生足够强的SSVEP,其中高亮度、频繁的低频刺激和单一任务十分容易使用户产生疲劳.针对用户疲劳问题,提出一种针对SSVEP-BCI的实时疲劳检测系统,该系统包括一个可穿戴式脑电设备的硬件设计和实现以及基于支持向量机的分类算法.基于该系统,对用于疲劳检测准确性的熵进行研究,并发现模糊熵与近似熵在检测中具有一致性,在疲劳变化微弱的情况下模糊熵变化更突出,而在疲劳变化明显的情况下近似熵的变化更显著.此外,对前额和枕叶信号进行比较,发现前额信号的分类准确性通常高于枕叶信号,同时复合准确性高于任何一种单独使用时的准确性.     

面向脑电情感识别的改进多分类RVM模型研究

从相关向量机（RVM）和支持向量机（SVM）的相似性以及RVM的稀疏特性出发，将RVM应用于脑电信号（EEG）的情感识别中。针对一对一（OAO）和一对多（OAA）两种多分类方法各自的特点和不足，提出了一种全新的两层多分类模型（OAA-OAO），改进现有OAO算法中无效投票影响最终决策的现象。设计情感EEG信号识别对比实验，验证基于RVM的改进多分类算法在脑电信号情感识别中的应用。对于实验室采集的情感脑电信号，提取其非线性特征（功率谱熵、样本熵和Hurst指数）并采用主成分分析法进行降维。将OAA-OAO-RVM算法分别和OAO-SVM、OAO-RVM两种识别网络进行对比，分析RVM的识别性能以及OAA-OAO多分类算法的分类性能。结果表明，采用降维后的最优特征集合作为识别网络的输入向量得到的识别性能更高，且RVM表现出的性能优于SVM。同时，改进后的OAA-OAO算法较传统OAO模型的平均识别率提高了7.89%，证明OAA-OAO算法可有效去除一部分无效投票从而使分类精度得到显著提高，验证了此模型是一种有效的多分类模型。     

改进的决策树SVM在脑电识别中的应用

为了识别3类意识任务,提出了一种改进的决策树支持向量机(SVM)算法.该方法将决策树与支持向量机结合构造多类SVM分类器,为了降低由决策树引起的"误差累积"效应,用基于类分布的可分离性测度来决定决策树走向.通过对2005国际脑机接口(BCI)竞赛中IDIAP研究协会提供的一组数据进行分析,分类最高准确率达到了80.8%,明显高于传统多类SVMs,表明了该算法的有效性.     

运动想象脑电信号特征提取与分类算法研究

针对运动想象脑电信号特征提取困难,分类正确率低的问题,提出了利用小波熵进行特征提取并采用支持向量机（SVM）来分类的算法。计算运动想象脑电信号的功率,通过理论分析选择小波包尺度,对信号功率进行小波包分解并计算其小波包熵（WPE）,提取C3、C4导联的小波包熵插值组成特征向量,将特征向量作为分类器的输入送入支持向量机进行分类。采用国际BCI竞赛2003中的Graz数据进行验证,算法的最高分类正确率达97.56%。算法特征向量维数低、数据量小、分类正确率高,对运动想象脑电信号特征提取及分类的任务可以提供参考方法。     

基于SVM-KNN算法的情绪脑电识别

情绪识别与日常生活的诸多领域都有很大联系.然而,通过单一算法难以获得较高的情绪识别准确率,为此,提出一种基于支持向量机(support vector machine,SVM)和K近邻(K-nearest neighbors,KNN)融合算法(SVM-KNN)的情绪脑电识别模型.在情绪分类时,首先计算待识别样本与最优分类...     

基于脑电与眨眼频率的可穿戴疲劳驾驶检测系统

在小型化、低功耗的可穿戴设备上,针对运行基于脑电信号的驾驶疲劳检测系统的准确率不高的问题,在对被试者左前额脑电信号Attention和Meditation以及Blink的数据进行关系分析的基础上,分别筛选最佳窗口宽度和分类算法,设计适用于可穿戴设备的疲劳驾驶检测算法,并在安卓智能设备上进行系统实现。采用准确率、正样本识别正确率、负样本识别正确率、敏感性与特异性指标,分别测试4种分类算法,即k临近算法、决策树算法、朴素贝叶斯算法、多层人工神经网络算法的性能,并最终选择k NN分类算法进行系统实现。实验结果证明,该系统的准确率达到83.7%,敏感性与特异性分别达到73.8%和88.6%,系统具有无线、实时、准确高效的特点。     

基于脑电BCI的研究综述

一直以来脑研究都是国内外的研究热点,脑机接口（Brain Computer Interface, BCI）则是脑研究中的重要内容之一。正因为如此,越来越多的国内外研究者开始从事BCI的相关研究,并取得了诸多优秀成果。该文从BCI信号角度入手,总结了近年来基于脑电BCI的典型系统、相关分析方法及研究成果,并具体分析了其中存在的不足之处。     

基于脑电BCI的研究综述

一直以来脑研究都是国内外的研究热点,脑机接口(Brain Computer Interface,BCI)则是脑研究中的重要内容之一。正因为如此,越来越多的国内外研究者开始从事BCI的相关研究,并取得了诸多优秀成果。该文从BCI信号角度入手,总结了近年来基于脑电BCI的典型系统、相关分析方法及研究成果,并具体分析了其中存在的不足之处。     

基于样本熵与MFCC融合的语音情感识别

提出一种基于样本熵与Mel频率倒谱系数(MFCC)融合的语音情感识别方法。利用支持向量机分别对样本熵统计量与MFCC进行处理,计算其属于高兴、生气、厌烦和恐惧4种情感的概率,采用加法规则和乘法规则对情感概率进行融合,得到识别结果。仿真实验结果表明,该方法的识别率较高。     

基于mRMR特征优选与SVM的脑电信号的情绪识别

脑电信号情绪识别的难点之一在于如何优选特征,为此,本文提出一种基于mRMR特征优选方法的脑电信号情绪识别。首先,对数据集中经预处理后的脑电信号提取时域、频域、非线性、Hjorth特征等多种特征,构建特征向量;其次,采用mRMR优选特征向量数量,获得最优特征向量组;最后,采用支持向量机算法（SVM）对优选的特征进行分类,获得效价和唤醒度的二分类结果。实验结果表明,基于mRMR特征选择方法的脑电信号情绪识别方法在效价和唤醒度两个方面的识别准确率为76.82%和77.6%,具有良好的识别效果。     

高能X射线数据采集系统研究

为了克服传统的射线探测方案在高能X射线工业CT的探测与数据采集系统中的弊端,分析了高能X射线探测技术,并重点研究了高能X射线探测器——钨酸镉(CdWO4)耦合光电二极管探测器的探测原理及其信号输出特征.根据探测器信号的输出特性,研究了微弱电流信号的测量原理,详细介绍了高能X射线探测转换电路的设计,并重点介绍了微弱信号探...     

基于OWPB和LS-SVM的电路板故障诊断系统

针对雷达电路板检修困难的问题,提出了基于最优小波包基和最小二乘支持向量机相结合的雷达电路板故障诊断方法。利用小波变换对采样数据进行去噪处理,通过小波包分解选择最优小波包基提取熵值作为故障特征向量,并作为基于最小二乘支持向量机的雷达故障诊断模型的输入向量,经诊断模型输出后,完成雷达电路板故障诊断。基于此方法设计了雷达电路板故障诊断系统,提高了雷达故障诊断的正确性和效率。     

A cost-effective and automatic surface defect inspection system for hot-rolled flat steel

Defective steel brings economic and commercial reputation losses to the hot-strip manufacturers, and one of the main difficulties in using machine-vision-based technique for steel surface inspection is time taken to process the massive images suffering from uneven illumination. This paper develops a modular and cost-effective AOI system for hot-rolled flat steel in real time. Firstly, a detailed system topology is constructed according to the design goals covering the vast majority of steel mills, lighting setup and typical defect patterns are presented as well. Secondly, the image enhancement method is designed to overcome the uneven-lighting, over- or under-exposure. Thirdly, the defect detection algorithm is developed based on variance, entropy and average gradient derived from non-overlapping 32×32 pixel blocks of steel surface images. Fourthly, the proposed algorithms are implemented on FPGA in parallel to improve the inspection speed. Finally, 18,071 contiguous images (4096×1024 pixel) acquired from 7 defective steel rolls have been inspected by the realized AOI system to evaluate the performance. The experimental results show that the proposed method is speedy and effective enough for real applications in the hot-rolled steel manufacturing, with 92.11% average accuracy while 5.54% false-negative rate.     

基于小波分析的高速列车车体运行状态估计

基于监测数据评估高速列车空气弹簧和横向减振器等关键部件的运行状态, 针对车体垂向加速度振动信号, 提出了小波包能量矩的列车状态估计方法。首先分析车体垂向振动特征, 对不同工况和不同速度下的信号进行小波包分解, 并重构能量较大的频带信号, 再计算各频带的小波包能量矩特征, 不同频带信号的小波包能量矩变化反映了列车运行状态的改变。将不同频带的小波包能量矩组成特征向量, 最后用支持向量机进行故障识别。实验数据仿真分析表明, 列车空簧失气故障和横向减振器失效故障识别率为100%, 说明该方法能很好地估计出高速列车的故障状态。     

一种基于支持向量机和半监督期望最大化算法的分级图像标识方法

自动图像标识就是自动识别图像中的有意义目标并赋予其相应的语义关键词, 该过程虽然对于人类来说并不难, 但是对于计算机而言却是一项艰巨而有挑战性的任务. 鉴于人类识别物体通常是一个由粗到细的过程, 本文提出一种层次标识方案. 首先, 输入图像被自动分割成多个区域, 每个区域由支持向量机进行粗分类. 由于粗分类结果会直接影响后续细分类, 本文建立统计的上下文语义关系以修订不正确的粗标识. 接着为了对每个获得粗标识的区域进行细分类, 本文提出一种半监督期望最大化算法, 该算法不仅能为每一粗类别下的细类找到代表模式, 而且能对粗分类区域进行二次分类, 使其获得细标识. 最后我们再次应用上下文语义关系修订不合适的细标识. 为了证明上述识别方案的有效性, 我们开发了一个原型图像标识系统, 实验结果证明该层次标识方案是有效的.     

基于PCA-WLSSVM 的氧化铝苛性比值和溶出率预测模型

针对氧化铝生产过程中无法在线测量苛性比值和溶出率的问题,建立了一种基于PCA-WLSSVM 的预 测模型．利用主元分析（PCA）消除样本共线性,降低样本维数．根据样本映射点到最小包含超球球心的距离确定 样本的权值,以优化最小二乘支持向量机（LS-SVM）的参数,并提高加权LS-SVM 的松散性和鲁棒性．仿真结果表 明,此模型能有效地在线预测苛性比值及溶出率．