基于脑电信号的ILDB情感特征提取算法

近年来,随着信号处理和机器学习技术的快速发展,基于脑电信号的情感识别越来越受到重视。特征提取是情感识别过程中的关键一步。本文提出了改进的局域判别基(Improved Local Discriminant Bases,ILDB)算法,提取信号局域判别基各子空间的能量和系数均值特征构成特征向量,利用SVM分类器进行分类,通过对特征向量类可分性及分类正确率的评估,表明ILDB算法提取的特征具有可分性且分类正确率较高。ILDB算法的通道最高平均分类正确率达到88%,通道最高平均分类正确率比LDB算法提高4.4%和7.2%,所有通道平均分类正确率比LDB算法提高10.1%和9.8%。     

基于能量特征的左右手运动想象脑信号的识别方法

提出了一种基于能量特征的左右手运动想象识别方法,利用快速傅里叶变换分析特定脑电(μ波和β波)的频率分布,然后利用小波分解去噪,再利用小波包分析脑电能量,提取能量特征,最后基于支持向量机(SVM)进行左右手运动想象的识别。本文把能量作为特征的支持向量机(SVM)识别法分别与自适应自回归系数法(AAR)和相同步分析法进行比较。仿真结果表明:在相同样本数据情况下,能量特征作为特征向量的SVM识别准确率明显高于其他2种方法。     

基于视频的情感时空融合特征提取算法

随着计算机技术的飞速发展以及人机交互技术的广泛应用,基于视频的表情识别逐渐成为研究热点之一,并逐渐实用化。本文提出了一种基于视频的情感时空融合特征提取算法,并用于表情识别。首先获取情感视频的时空特征点和其对应的立方体（cuobids）,然后融合Piotr Dollar提出的描述算子和CBP_TOP描述算子所提取的cuobids的特征向量作为时空特征点最终的特征向量,最后采用“词袋模型”方法来提取情感视频最终的表情特征,并用于后续的表情分类。仿真实验表明此算法在保证识别精度的基础上大大提高了识别速率。     

基于EMD多尺度能量熵的气液两相流型表征

采用经验模态分解(EMD)和信息熵相结合的方法研究垂直上升气液两相流多尺度非线性动力学特性。首先,对采集的电导波动信号进行经验模态分解,然后根据得到的本征模态函数分量(IMF)求取指标能量,在此基础上建立了一种基于指标能量的多尺度特征熵计算方法。结果表明,多尺度特征熵值不仅可以作为流型识别的特征向量,同时还可有效揭示气液两相不同流型的复杂流动特性。     

在线签名验证系统的研究

阐述了在线签名验证作为一种个人识别手段的可行性,並在深入分析本系统所采用的签名笔动态特性的基础上,提出了签名过程个性特征的抽取手法及验证最佳■值的计算公式。实际签名验证结果表明,本系统具有一定的实用价值,较签名的字形识别方法(如人工识别、计算机图象识别等)具有低的成本、高的正确率和便于在微机上实现等突出优点。     

基于时空图卷积神经网络的蛋白质复合物识别方法

目的 探讨利用时空图卷积神经网络在动态蛋白质网络中挖掘复合物的新方法。方法 文中首先定义了边强度、节点强度和边存在概率等指标对动态蛋白质网络进行建模,然后结合图上的时间序列信息和结构信息,基于希尔伯特-黄变换、注意力机制和残差连接等技术设计了2种卷积算子来对网络中蛋白质的特征进行表示学习,构建得到动态蛋白质网络特征图。最后采用谱聚类来识别复合物。结果 在多个公开生物数据集上的仿真实验结果表明,所提算法在DIP数据集和MIPS数据集上的F值都达到了90%以上,相比于DPCMNE、GE-CFI、VGAE和NOCD等4种识别算法而言,识别效率分别平均提高了约34.5%、28.7%、25.4%和17.6%。结论 运用深度学习技术来处理动态蛋白质网络的性能表现良好,具有普适意义。     

基于双目视觉的移动机器人动态目标识别与定位

提出了一种双目移动机器人实时动态目标识别与定位方法。该算法首先采用SIFT(Scale Invariant Features Transforms)算法提取目标特征,并结合双目视差特征进行目标匹配;然后通过区域增长方法进行目标区域的提取;最后结合双目视觉标定的模型对目标进行定位。实验结果表明：该方法在摄像机运动目标运动情况下,能对局部特征未知或特征不明显的动态目标进行有效的识别与定位。     

基于改进多类支持向量机的印刷缺陷检测

针对印刷品缺陷检测问题,为了对缺陷位置、形状、类型等信息进行有效的识别和分析,提出了一种基于改进多类支持向量机的印刷缺陷检测方法。首先根据人眼视觉特性,将配准后的印刷图像通过基于动态阈值的差分运算,快速地得到二值缺陷图像;然后采用由缺陷几何特征和形状特征构成的特征向量对缺陷信息进行分析和描述;最终通过改进的多类支持向量机实现印刷缺陷的准确识别。实验结果表明,相对于一对一型支持向量机（OVOSVM）和一对多型支持向量机（OVRSVM）,在实际训练样本较少的情况下,该方法具有检测速度快、识别准确率高的特点,能够有效解决印刷品缺陷检测问题。     

KX-21多项目全自动血液分析仪应用及评价

目的:对日本Sysmex公司的KX-21自动血液分析仪进行应用评价.方法:采用随机和不随机选择标本方法,对该仪器进行携带污染率、精密度和相关性进行了测试.结果:各项指标污染率为0%～0.42%,仪器精密度试验,批内CV值在0.04%～2.24%之间,与SF-3000血液分析仪相关性比较,各指标相关系数r=0.991～0.999,用全血法和预稀释法试验相关性比较,各指标系数r=0.992～0.998.结论:该仪器主要指标评价结果符合设计性能,适用各级医院检验科及实验室血液常规分析.     

基于交叉递归图和局部匹配的翻唱歌曲识别

基于Qmax算法,提出了一种新的序列局部匹配算法,用于翻唱歌曲识别。该算法通过改变所使用的步长条件使得匹配过程既能防止病态弯曲又能增加局部匹配分数。为了验证该算法在翻唱歌曲识别中的有效性,采用基于节拍同步的音级轮廓(PCP)特征作为测试对象,并利用最佳移位索引(OTI)实现基调不变性;根据所提取的特征构造交叉递归图(CRP),利用提出的局部匹配算法计算序列之间的相似度。实验结果表明,该方法获得了比传统匹配算法,如动态时间规整(DTW)、互相关和Qmax算法更高的识别准确率。     

Endoscopic Image Classification and Retrieval using Clustered Convolutional Features

With the growing use of minimally invasive surgical procedures, endoscopic video archives are growing at a rapid pace. Efficient access to relevant content in such huge multimedia archives require compact and discriminative visual features for indexing and matching. In this paper, we present an effective method to represent images using salient convolutional features. Convolutional kernels from the first layer of a pre-trained convolutional neural network (CNN) are analyzed and clustered into multiple distinct groups, based on their sensitivity to colors and textures. Dominant features detected by each cluster are collected into a single, layout-preserving feature map using a spatial maximal activator pooling (SMAP) approach. A moving window based structured pooling method then captures spatial layout features and global shape information from the aggregated feature map to populate feature histograms. Finally, individual histograms for each cluster are combined into a single comprehensive feature histogram. Clustering convolutional feature space allow extraction of color and texture features of varying strengths. Further, the SMAP approach enable us to select dominant discriminative features. The proposed features are compact and capable of conveniently outperforming several existing features extraction approaches in retrieval and classification tasks on endoscopy images dataset.     

小波-神经网络方法在基因表达数据分析中的应用研究

目的针对基因表达数据,探索新的有效特征提取和分类方法。方法采用小波多分辨率分析(MRA)方法提取基因表达的特征和前馈式神经网络(BP神经网络)方法进行特征分类。结果基因表达具有明显的多尺度特征,最大平均分类率为94.72%。结论采用多尺度理论对基因表达数据进行分析是一种新的有效的生物信息学方法,值得进一步探索与研究。     

一种基于改进SURF和K-Means聚类的布料图像匹配算法

计算机图像智能处理技术为服装设计师开展设计、启发灵感提供了方便和可能。通过提取布料图像的SURF特征可以实现布料图像形状分析,但由于SURF特征维数高、特征提取是基于灰度图进行,因此存在匹配速度慢、匹配结果不够符合人眼视觉特点的问题。本文提出了基于小波变换的自适应SURF特征提取算法和基于K-Means聚类的布料图像颜色分析方法。通过融合图像形状特征、颜色特征,加快了布料图像匹配速度,使布料图像的匹配结果更加符合人眼视觉感受。在8种不同类型布料图像上的实验验证了该算法的有效性。     

基于禁忌搜索的混合算法在驾驶压力识别中的应用

驾驶员在压力状态下行车会对驾驶安全产生很大影响,严重时甚至会造成交通事故。为准确检测驾驶员的压力状态,提取了驾驶员生理信号的多模态特征并提出了一种基于多种过滤式算法（Multi-filter,MF）与禁忌搜索算法（Tabu Search,TS）相结合的混合算法来选择有效特征向量。该算法首先采用多种过滤式算法的综合评分对原始特征集进行排序和过滤,有效降低特征维度;然后利用禁忌搜索算法进一步选出最优特征组合;最后采用支持向量机对3种不同驾驶压力水平进行分类。实验结果表明,本文提出的混合算法不仅有效地消除了高维特征向量中的冗余信息,还提升了分类准确率。     

一种基于离散Tchebichef正交多项式和傅里叶梅林矩的局部多特征图像检索算法

提出了一种基于离散Tchebichef正交多项式和傅里叶梅林矩的局部多特征图像检索算法。通过对图像进行正交变换和多分辨率重排序,在变换域中提取出纹理、颜色和形状特征,生成具有较强区分能力的图像特征。由于傅里叶梅林矩具有旋转不变性,因此在处理发生旋转变换和平移变换的图像时,检索效果较好。最后,对提出的算法用多个数据集进行了检索实验,并对实验结果进行了比较和分析。     

基于深度学习和手工设计特征融合的翻唱歌曲识别模型

在翻唱歌曲识别中,手工设计的特征虽然具有高可定制性,但其采用的浅层线性结构难以表现音乐的非线性长效结构,而采用基于深度学习的特征提取算法分析音乐的非线性动力学特性可以弥补这一缺陷。本文在研究两者互补性的基础上,提出了一种融合手工特征和深度特征的翻唱歌曲识别算法。该算法分别采用深度学习模型和手工设计算法提取歌曲的音级轮廓特征和旋律特征,然后将基于这两种特征的相似度组合成相似度向量输入到改进的SVM模型中,并将输入歌曲属于翻唱组合的概率作为融合相似度。为了验证算法性能,以两个公开的数据库（covers80,covers1212）作为测试对象进行测试,实验结果表明该算法比基于单个特征的算法和基于相似度融合的算法取得了更高的识别率和分类准确率。     

Developing Charcot–Marie–Tooth Disease Recognition System Using Bacterial Foraging Optimization Algorithm Based Spiking Neural Network

In the developing technology Charcot–Marie–Tooth (CMT) disease is one of the teeth diseases which are occurred due to the genetic reason. The CMT disease affects the muscle tissue which reduces the progressive growth of the muscle. So, the CMT disease needs to be recognized carefully for eliminating the risk factors in the early stage. At the time of this process, the system handles the difficulties while performing feature extraction and classification part. So, the teeth images are processed by applying the normalization method which eliminates the salt and pepper noise from data. From that, modified group delay function along with Cepstral coefficient features are extracted with effective manner. After that Bacterial Foraging Optimization Algorithm based features are selected. Then the selected features are examined by applying the Bacterial Foraging Optimization Algorithm based spiking neural network which successfully recognizes the CMT disease. At that point the productivity of the framework is assessed with the assistance of exploratory outcomes.     

Decision Support Algorithm for Diagnosis of ADHD Using Electroencephalograms

Attention deficit hyperactivity disorder is a complex brain disorder which is usually difficult to diagnose. As a result many literature reports about the increasing rate of misdiagnosis of ADHD disorder with other types of brain disorder. There is also a risk of normal children to be associated with ADHD if practical diagnostic criteria are not supported. To this end we propose a decision support system in diagnosing of ADHD disorder through brain electroencephalographic signals. Subjects of 10 children participated in this study, 7 of them were diagnosed with ADHD disorder and remaining 3 children are normal group. Our main goal of this sthudy is to present a supporting diagnostic tool that uses signal processing for feature selection and machine learning algorithms for diagnosis.Particularly, for a feature selection we propose information theoretic which is based on entropy and mutual information measure. We propose a maximal discrepancy criterion for selecting distinct (most distinguishing) features of two groups as well as a semi-supervised formulation for efficiently updating the training set. Further, support vector machine classifier trained and tested for identification of robust marker of EEG patterns for accurate diagnosis of ADHD group. We demonstrate that the applicability of the proposed approach provides higher accuracy in diagnostic process of ADHD disorder than the few currently available methods.