国家自然科学基金(61370222)
- 作品数：9 被引量：35H指数：5
- 相关作者：李金宝吕兴凤黎玲利王亚珂王雪更多>>
- 相关机构：黑龙江大学齐鲁工业大学黑龙江科技大学更多>>
- 发文基金：国家自然科学基金黑龙江省自然科学基金中央级公益性科研院所基本科研业务费专项更多>>
- 相关领域：自动化与计算机技术机械工程医药卫生电子电信更多>>
- 基于脑电通道动态选择方法的癫痫检测被引量：1
- 2021年
- 在癫痫检测任务中,脑电信号的通道选择直接影响检测性能。针对静态通道选择方法中脑电信号部分时段癫痫检测能力不足的问题,提出了动态通道选择方法。根据通道位置和脑电信号功率谱密度确定通道集合,选择通道集合中癫痫检测能力最强的一路通道作为特征提取通道,通过提高局部癫痫检测能力,进而提高整体检测能力。实验结果表明,提出的动态通道选择方法检测癫痫,取得了98.99%精确度、98.52%敏感度和99.52%特异度的较好性能。与多通道相比,检测性能相近,但特征提取通道最少,时间复杂度减少到O(1)。与单通道相比,精确度、敏感度和特异度性能指标提高4.93%以上。
- 汝彦冬李金宝吕兴凤赵彩虹齐景嘉
- 关键词：脑电信号
- 基于受限玻尔兹曼机的个体行为预测模型的研究
- 2018年
- 个体行为预测能够有效地帮助用户预测最适合自己的运动行为,但在早期的研究中,往往只考虑了个人的历史行为因素和社会相关因素,忽略了用户多样性、动态行为以及隐藏的社会影响,这使目前的个体行为预测问题更加具有挑战性。本文提出了社会受限玻尔兹曼机(Social restricted Boltzmann machine,StRBM)作为一种新的预测模型,该方法将社会影响区分为显性社会影响和隐性社会影响的同时,将时间影响加到了显性社会影响权重上。使用YesiWell数据集以及合成数据集进行了对比实验,验证所提出方法的准确性,证明了提出的StRBM模型比其他基本模型具有更高的预测精度。
- 任春霞李金宝
- 关键词：社会网络
- 传感器网络基于轨迹聚类的多目标跟踪算法被引量：5
- 2017年
- 本文重点研究传感器网络中能源高效的多目标跟踪问题.根据轨迹相似性对跟踪目标聚类,利用组对象跟踪实现所有对象的跟踪,能够有效地减少传输能耗,延长网络寿命.由于测量误差、低采样率以及环境干扰,很难获取目标的精确位置,因此轨迹数据存在固有的不确定性.忽略这种不确定性会降低轨迹挖掘质量,从而影响目标跟踪.提出基于不确定性轨迹挖掘的组对象跟踪方法.轨迹挖掘阶段首先为所有跟踪目标建立马尔科夫链模型,然后给出一种新的不确定轨迹相似性的度量,最后给出不确定轨迹聚类算法UTK-means对目标分组.组对象跟踪阶段向基站周期性地更新组中心轨迹的位置.实验结果验证了本文方法具有较高的聚类质量和节能效率.
- 朱敬华尹旭明尹旭明王亚珂王亚珂李金宝
- 关键词：传感器网络马尔科夫模型
- 基于子信道信息融合的室内定位方法的研究被引量：7
- 2018年
- 随着基于位置的服务不断发展,室内定位逐渐成为研究的关键问题,Wi Fi设备的不断普及也为室内定位的研究提供了新的思路。由于室内环境的复杂性以及信号强度信息的不稳定性,传统的定位技术存在着较大的实验误差。利用奇异值分解（SVD）方法对子信道信息进行融合,将原始的信道信息转变为子信道信息的非线性叠加,将能够显著描述指纹的主要信息成分作为指纹特征,并对指纹位置的几何特性进行分析,利用k最近邻（k NN）算法进行指纹选取。理论分析与实验结果都证明了方法的有效性。
- 刘安李金宝黎玲利
- 关键词：信道状态信息指纹识别
- 多特征信息融合LSTM-RNN检测OSA方法被引量：7
- 2020年
- 阻塞性睡眠呼吸暂停(obstructive sleep apnea,OSA)是最常见的睡眠呼吸疾病,它对人体的很多生理系统尤其对心血管系统是一个潜在的威胁.现有使用心电信号(electrocardiograph,ECG)提取浅层特征检测OSA的方法在长片段、高噪声的ECG信号和大数据集上表现较差.针对上述问题,提出一种多特征心电信号融合的长短期记忆循环神经网络,融合从ECG信号中提取的多种浅层特征信号,通过在融合信号上学习深层特征来检测OSA,提升模型在长片段ECG上的检测准确率和大数据集上的泛化能力.同时还针对浅层特征信号提出一种有效的数据预处理方法,用以突出OSA的时序变化,提高神经网络训练的收敛性,并降低由异常值噪声带来的影响,进一步提升模型在高噪声ECG片段上的检测准确率.实验证明:提出的方法在片段OSA检测准确率上优于已有的方法.
- 朱兆坤李金宝
- 关键词：阻塞性睡眠呼吸暂停循环神经网络
- TPR-TF:基于张量分解的时间敏感兴趣点推荐模型被引量：3
- 2019年
- 针对现有的兴趣点(POI)推荐研究没有合理地利用POI推荐的时间敏感性,对用户在不同时间段的行为偏好没有给予充分考虑,造成推荐效果较差的问题,提出了一种基于层次聚类的时间动态分段算法。把时间敏感的推荐和用户的直接朋友及潜在朋友影响相结合,扩充了用户的社交影响范围。在模型学习过程中采用按访问频次分布随机选择POI位置的方法,改善了经典的贝叶斯个性化排序(BPR)方法。实验结果表明,本文模型性能优于目前的主流POI推荐模型。
- 王楠李金宝刘勇张玉杰钟颖莉
- 关键词：计算机应用张量分解社交关系
- 一种利用随机森林方法检测睡眠呼吸暂停的研究被引量：7
- 2020年
- 多导睡眠仪中的多种呼吸信号使睡眠呼吸暂停检测过程变得复杂,影响患者睡眠,对此,提出一种利用随机森林方法进行自动睡眠呼吸暂停检测的方法.腹部呼吸信号经过希尔伯特-黄变换后,呼吸暂停与正常睡眠时的能量和边际谱分布显著不同,通过提取相关频域特征,结合时域特征,利用机器学习中的随机森林方法进行呼吸暂停的检测,有效地降低了检测复杂性,提高了检测准确性.实验结果表明,此方法在检测的便捷性和准确性上优于已有方法,更适用于家庭环境,具有广泛的应用前景.
- 吕兴凤李金宝
- 关键词：睡眠呼吸暂停希尔伯特-黄变换
- 人类睡眠数据的特征提取和分析方法的研究
- 2017年
- 使用智能手机来搜集声音和体动数据,对其进行预处理,提出联合特征提取和特征选择的TSFS方法。单纯的使用一种方法来选择特征,都会存在着一定的弊端。该方法是将特征提取和特征选择两种方法的联合,不仅可以筛选出符合实际情况的特征,而且还提高了分类的准确度。针对人类睡眠识别过程中的分类方法问题,提出基于改进二叉树的Multi-SVM睡眠分类器融合方法。单纯的使用一种分类方法,分类准确度难以得到提升。该方法是将多个SVM分类器组合成单枝的二叉树的形状,且树的每个节点都用一个二分类的SVM来分类。不仅降低了分类误差的积累,同时也提高了分类准确度。
- 胡悦李昂张春雷李金宝
- 关键词：睡眠监测特征提取分类器融合
- 一种无源被动室内区域定位方法的研究被引量：5
- 2020年
- 室内区域定位在医疗养老、智慧大楼等领域有着广泛的应用.室内区域定位中最突出的问题是无线电信道效应的动态和不可预测性(如多径传播、信道衰落等)对接收信号强度(received signal strength, RSS)的干扰影响.为了降低无线电的干扰,提出了一种新的基于注意力机制的CNN-BiLSTM的室内区域定位模型,该模型通过捕获粗细粒度特征与定位区域的对应关系来减弱RSS序列对信道变化的依赖.首先,利用卷积神经网络(convolutional neural network, CNN)学习捕捉RSS序列的特征来抽取区域中心点的细粒度特征.然后,利用双向长短时记忆(bidirectional long short-term memory, BiLSTM)网络的存储记忆特性,学习当前与过去RSS序列中隐含区域范围的粗粒度特征.最后,利用注意力机制,通过融合粗细粒度特征,建立RSS序列特征与区域位置的映射关系,获取区域位置信息.真实室内环境下区域定位的实验结果表明,与目前定位效果最好的网格区域综合概率定位模型相比,提出的方法在降低计算复杂度的同时提高了区域定位的准确度和对环境的适应能力.
- 李若南李金宝
- 关键词：接收信号强度卷积神经网络
