基于可生长自组织映射的意识任务分类

在基于脑电（EEG）的脑一机接口技术中，使用可生长自组织映射（SOM）神经网络进行了5类意识任务分类的研究．结果表明：①可生长SOM能够根据数据内部结构自适应地调整确定其映射网络的拓扑形状，在一定程度上反应了数据的分布特征；②可生长SOM更关注那些表达误差比较大的映射单元，从而整体上减小了映射网络的表达误差，提高了对数据模式的表达能力，有利于模式的分类处理；③可生长SOM侧重于表达类别之间的边界信息，这对于分类问题有着积极的作用．与传统SOM相比，使用可生长SOM进行5类分类处理得到的分类精度提高了10％左右，分类正确率可以超过80％，说明可生长SOM在脑-机接口系统中有着很大的潜在应用性．     

基于信息积累技术的大脑运动意识任务分类

提出了将信息积累技术结合Fisher判别式分析的方法,实现大脑想象左右手运动意识任务的连续分类,获得了满意的结果.利用Morlet小波滤波方法提取优化的运动相关脑电特征,对两组实验数据4个受试者的运动相关脑电模式进行分类,平均最大分类正确率达到87.95%.通过最大分类正确率、最大互信息等评价指标的比较,验证了信息积累技术对改善大脑运动意识任务分类性能的有效性,从而为脑机接口系统应用中大脑运动意识任务分类提供了新的思路.     

快速多变量自回归模型的意识任务的特征提取与分类

给出了一种有效的多变量自回归(Multivariate Autoregressive，MVAR)模型参数和阶数估计的快速算法，通过QR分解技术减少了多维矩阵求逆的运算量，提高了模型估计的速度．利用该算法对4个实验对象的3种不同意识任务的脑电(EEG)信号进行特征提取，并将得到的特征向量作为径向基函数神经网络的输入进行训练和分类测试．分类结果表明，利用该方法进行EEG信号的特征提取，分类的正确率明显高于单变量自回归模型，而且算法运算速度快，可以用于不同意识任务EEG信号的在线特征提取与分类系统．     

基于观测器的非线性陀螺系统的参数辨识

本文利用参数辨识观测器对一类非线性陀螺系统的的参数辨识问题进行了研究.首先基于非线性动力学理论,利用混沌吸引子,全局分岔图和Lyapunov指数谱准确的表征了系统的混沌行为.通过构造合适的参数辨识观测器,成功地实现了该陀螺系统的所有未知参数的辨识.数值仿真验证了所设计的参数辨识观测器的有效性.     

基于多通道脑电特征运动意识任务的分类

提出利用多通道脑电（EEG）相关性信息作为特征，实现对想象左右手运动两种意识任务的分类．分析了两种意识任务下描述多通道EEG相关性的两个参数空间复杂度和有效场强的变化，发现想象任务开始时，对侧脑区空间复杂度增高，有效场强降低，而同侧脑区的变化恰好相反，较好地反映了想象左右手运动时大脑两侧运动皮层状态的不同．将两种特征联合用于分类，得到了满意的结果，从而为脑一计算机接口系统中意识任务的特征提取与分类提供了新思路．     

基于非线性动力学和GA-MLPNN的ECoG信号分类

为了对脑-计算机接口(BCI)中不同思维任务下的皮层脑电(ECoG)信号进行分类,提出了基于遗传算法(GA)和多层感知器神经网络(MLPNN)的混合方法.用GA方法优化ECoG通道选择,使得选择通道数最小而分类性能最大.使用误差反馈传播(EBP)算法作为MLPNN的学习机制.实验表明,用排列熵(PE)和Hurst指数刻画ECoG的非线性动力学特征具有较好的计算性能和区分能力,故选择这两个特征量进行通道选择和分类处理.分析结果显示,通过使用选择的15个通道进行分析所得的平均分类率为87%,而使用全部的64个通道的结果仅为79%.     

基于CNN-BiLSTM的脑电情绪分类模型及验证

情绪在人们的思考、行为和交流方式中起着重要作用。为提高脑电信号的情绪识别准确率,充分利用脑电信号的频率、空间和时间维度上的信息,提出一种基于CNN-BiLSTM(convolutional neural networks-bidrectional long short term memory)的脑电情绪分类神经网络模型。该模型由卷积神经网络和多层特征融合的双向长短时神经网络构成,卷积神经网络用于学习脑电信号的频率和空间特征,双向长短时神经网络则从卷积神经网络的输出中挖掘脑电切片之间的时序信息。借助离散情绪模型的SEED(sjtu emotion eeg dataset)数据集和连续情绪模型的DEAP(database for emotion analysis using physiological signals)数据集来进行情绪分类实验。实验结果表明,在SEED和DEAP两个数据集上,CNN-BiLSTM模型均取得了目前最好的情绪分类性能。此外,该模型的时序信息挖掘模块性能优于单层长短时神经网络,能够学习更多的时序信息。     

基于脑电的意识活动特征提取与识别

基于脑电信号的非平稳特性,用自适应自回归模型(AAR)提取脑电信号的特征,利用该模型对同一实验对象的两种不同意识任务的脑电信号进行特征提取,并将AAR模型得到的特征与支持向量机(SVM)分类器相结合,作为支持向量机的输入进行训练和测试,取得了良好的识别效果.实验结果证明,支持向量机分类器用于不同意识任务分类效果很好.     

基于卷积神经网络的脑电信号分类

针对现有卷积神经网络脑电信号(electroencephalogram,EEG)分类模型分类精度低、方法复杂且耗时的问题,对卷积神经网络的卷积层进行了改进,提出了多尺度卷积核卷积神经网络(convolutional neural networks,CNN)脑电分类模型,并在输入数据前加了系数矩阵,该系数矩阵可以随网络的训练逐步更新,代替了手工提特征再送入网络的步骤,有助于提高分类精度。最终本文的脑电分类模型在高原脑电信号的分类实验中,二分类准确率比改进前提高8%,三分类、四分类准确率分别达到92.87%、81.15%,分类准确率较高,对脑电信号的分类具有较高的参考价值。     

基于分频段ABAP谱减法的鸟叫声分类研究

针对带噪鸟叫声,用自适应Bartlett平均周期图(ABAP)完成噪声估计,进行分频段谱减去噪后,提取经过二维离散余弦变换的Mel频率倒谱系数动态声音特征(TDMFCC).最后,利用支持向量机(SVM)分别结合MFCC、TDMFCC以及经过分频段ABAP谱减法降噪后的MFCC和TDMFCC对30种鸟叫声进行不同背景环境和信噪比情况下的对比实验.结果表明,分频段ABAP谱减法降噪后提取TDMFCC结合SVM的方法可以取得较好的分类效果,适用于噪声环境下的鸟叫声分类.     

热虹吸振荡传热过程非线性特征分析

采用Wolf算法编制相应的计算机程序,对由热虹吸传热实验获得的时间序列数据进行了处理。所提取系统的最大Lyapunov指数,定量描述了传热过程的复杂性和非线性特征,是判断热虹吸传热进入混沌的重要准则,也是实现对热虹吸传热过程混沌进行预测和控制的必要参数。最大Lyapunov指数作为定量描述热虹吸传热过程混沌的重要参数,可以更加客观地反映系统内在的非线性本质特征。     

基于PNN神经网络的EEG信号分类方法研究

主要对不同思维脑电信号运用时域回归方法进行预处理,然后用AR模型提取特征,最后应用PNN算法对AR系数特征进行分类.实验表明,此方法可以达到很好的分类效果.     

基于多生理信息迁移学习的脑力负荷分类

在复杂的人机系统中,保持对实验人员脑力负荷状态的监测对于维护人机系统的安全、高效运行具有极为重要的理论和应用意义。针对现有脑力负荷分类方法识别率低及实际应用时测试样本数据偏移问题,提出了采用迁移学习及脑电和心电特征融合的脑力负荷分类识别方法。基于多任务航空情境操作的MATB-II平台同步采集12名健康受试者的脑电信号和心电信号,分别从时域和频域上提取各生理信息特征并进行融合,在此基础上引入迁移学习,基于迁移成分分析(transfer component analysis, TCA)方法进行特征空间变换,实现源域和目标域的边缘分布适配,并进行脑力负荷分类。实验结果表明,基于多生理信息特征融合识别率高于传统脑力负荷识别方法,使用迁移学习可取得较高的识别准确率,为多生理信息脑力负荷分类研究提供了新方法。     

基于视觉和操作类脑电信号的脑力负荷分类

针对视觉和操作类任务,提出了一种基于脑电独立分量特征的脑力负荷分类方法.利用独立分量分析法从混合脑电信号中分解获得脑电信号的独立分量,再提取脑电独立分量的4个不同频段的能量特征,并对能量特征进行分类.基于脑电信号特征和脑电独立分量特征分别进行了脑力负荷分类实验,得到平均分类准确率分别为60.52%,86.14%,后者比前者提高了42.33%.     

基于元胞自动机理论的协同设计任务调度模型

分析了设计任务调度的特点,提出了基于元胞自动机理论的调度模型。对元胞自动机任务调度模型进行了数学描述,对设计任务调度的策略进行了分析,建立了元胞自动机目标调度模型,通过具体算例对所提出的模型进行了验证,表明元胞自动机模型可以有效地进行任务调度的优化。     

思维脑电信号的近似熵分析

计算了5种不同思维作业时脑电信号的近似熵.计算结果表明,当进行不同思维作业时脑电数据的近似熵存在着较大的差异.这提示可以利用近似熵作为思维脑电信号的特征实现对思维作业的分类.对于不同的受试者,即使是同一种思维作业、同一个电极上脑电数据的近似熵也存在着较大的差异.这提示在利用近似熵作为思维脑电信号的特征对心理作业进行分类时应当充分考虑不同受试者的个体差异.     

构建基于真实口译任务的应用型口译人才培养模式

结合区域经济发展特色和地方性本科院校实际,文章探讨了基于真实口译任务的应用型口译人才培养模式。在市场调研的基础上,全面改革口译人才培养模式,一是结合真实口译任务设计口译活动,二是选取体现地方经济特色的口译素材,三是采用体现应用型口译人才培养目标的多元评价机制。