公共文化服务平台

共 8 条记录，以下是 1-8

全选清除导出

排序方式：

2型糖尿病患者轻度认知障碍多通道同步性分析被引量：2: 2015年; 2型糖尿病患者因长期代谢紊乱造成的认知功能障碍已经成为当前关注的重点。本文利用多通道同步方法——基于相位同步的S估计器对脑电信号进行同步分析,以期发现与糖尿病轻度认知障碍有关的脑电特性。结果显示:糖尿病轻度认知障碍患者与正常对照组相比各脑区各频段的S值均减小,尤其是δ和α频段显著降低,表明脑电同步值降低;患者MoCA得分与S值在α频段具有显著的正相关性。; 崔冬刘静边志杰王金焕李秋俐李小俚王磊; 关键词：2型糖尿病轻度认知障碍多通道同步相位同步

基于EMD-多尺度熵和ELM的运动想象脑电特征提取和模式识别被引量：12: 2013年; 运动想象脑电特征是进行动作模式识别进而实现生物反馈技术的重要依据。在对侧躯体运动想象脑电识别方法的基础上,研究单侧躯体不同运动想象模式下的脑电特征提取问题,提出基于EMD-多尺度熵(MSE)的脑电信号瞬态特征提取及定量描述的方法,设计基于极限学习机(ELM)的动作模式识别模型。通过对10名正常受试者在左侧手臂屈、伸动作模式下的运动想象脑电的分析,提取其特征并进行动作识别,结果证实其识别率可以达到90%以上。实验表明:所提出基于EMD-MSE的运动想象EEG特征提取方法,能够定量刻画不同运动模式下脑电信号的多尺度局部瞬态特征;进一步运用基于ELM学习算法的前馈神经网络,可以实现对不同运动模式下脑电EMD-SME特征的有效分类。; 谢平陈晓玲苏玉萍梁振虎李小俚; 关键词：极限学习机

EMD和平滑伪Wigner-Ville谱熵的轴承故障诊断被引量：8: 2014年; 提出一种基于经验模态分解(EMD)和平滑伪Wigner-Ville分布(SPWVD)谱熵的滚动轴承故障诊断的方法。EMD方法充分保留信号本身的非线性和非平稳特征,在信号的滤波和去噪中具有较大的优势,SPWVD谱熵用于定量刻画轴承不同状态下振动信号的时频能量分布,将二种算法相结合应用于不同工作状态滚动轴承,并设计最小二乘支持向量机(LS-SVM)智能模型,实现轴承状态和故障类型的自动分类和识别。通过SPWVD谱熵与谱峭度法的对比,验证了SPWVD谱熵的有效性。实验表明此方法能够有效地提取轴承故障的特征信息,提高轴承故障诊断率。; 臧怀刚王石云李玉奎; 关键词：振动与波谱熵

多尺度近似熵在机械故障诊断中的应用: 2015年; 针对机械故障信号非线性、非平稳性特点,提出了一种基于多尺度近似熵和支持向量机的故障诊断方法,首先利用多尺度近似熵对故障信号进行故障特征提取,然后结合支持向量机对不同的机械振动信号进行分类。结果表明,该方法能有效识别轴承类故障。; 臧怀刚李玉奎刘子豪; 关键词：滚动轴承故障诊断近似熵多尺度支持向量机

基于因果网络分析的小规模人群行为识别被引量：5: 2015年; 人群行为识别是计算机视觉领域的重要研究课题,针对小规模松散人群兼具微观层面与宏观层面行为特征这一特点,提出了一种基于因果网络分析的小规模人群行为识别方法。先将各行人目标看成网络的节点,利用协方差跟踪获得目标的运动轨迹,并利用Granger因果关系检验来评估目标之间的相互作用,并用此因果关系来构建成对因果网络和成组因果网络,计算复杂网络的平均路径长度,介数,聚类系数等参数特性,以表达和识别聚集、聊天、分离、徘徊、相遇及同行等6种人群行为,实验结果表明,提出的算法能够有效的表达和识别人群行为。; 张旭光刘春霞左佳倩; 关键词：机器视觉 GRANGER因果复杂网络

爆发抑制模式检测方法被引量：1: 2013年; 综述了各种爆发抑制模式的检测方法,包括谱分析法、双谱分析法、近似熵法和非能量因子法.对这几种方法在实际应用中的优势和存在的问题进行了讨论,同时指出今后爆发抑制模式检测方法的研究方向.; 倪燕任永韶李小俚; 关键词：谱分析双谱分析近似熵

糖尿病诱发的认知功能损害研究被引量：1: 2013年; 糖尿病导致的认知功能损害并发症逐年升高,严重影响患者的生活质量,给个人、家庭和社会造成沉重的精神和经济负担。本文从分子水平、模型、临床及电生理等层面上综述了糖尿病诱发认知功能损害的国内外研究现状。分析了糖尿病与认知功能之间的关系以及当前国际研究进展,探讨了糖尿病诱发认知功能损害有待进一步研究的问题及有效的康复措施。; 边志杰路承彪罗建平崔冬李小俚; 关键词：糖尿病认知功能损害血糖控制并发症脑电图

介观小团体运动聚类的人群异常检测被引量：6: 2015年; 传统的人群行为分析主要基于宏观尺度或微观尺度,前者忽视了个体运动的信息,难以定位局部异常,后者在人数众多的场合下难以精确检测与跟踪行人个体。为了在人群的宏观与微观特性之间搭建一个桥梁,从介观尺度分析入手,提出一种基于人群介观小团体运动聚类的异常行为检测方法。首先通过计算光流场并对其进行平滑滤波来获得人群运动的微观运动描述;进而通过Mean Shift算法对微观局部运动进行聚类,并根据速度、位置信息将微观类别合并为介观人群小团体;最后将速度场特征空间划分为正常和异常区域,根据聚类中心在该空间的区域归属及在该区域的持续时间长短来检测异常行为,并将异常类别所有样本点映射到图像坐标系,采用重心法确定异常发生的具体位置。实验结果表明,提出的方法不但能检测人群运动的全局异常,而且能定位局部异常行为的发生位置。其中,全局异常行为的检测总正确率达99.23%,局部异常的检测总正确率可达86.25%。; 张旭光王梦伟左佳倩李小俚; 关键词：异常检测 SHIFT

全选清除导出

共1页<1>

国家杰出青年科学基金(61025019)