您的位置： 专家智库 > >

国家教育部博士点基金(20100061110029)

作品数：4 被引量：25H指数：2
相关作者：陈万忠张涛李明阳孙保峰雷俊更多>>
相关机构：吉林大学北京石油化工学院更多>>
发文基金：国家教育部博士点基金吉林省科技发展计划基金国家教育部“985工程”更多>>
相关领域：电子电信自动化与计算机技术医药卫生更多>>

文献类型

  • 4篇期刊文章
  • 1篇会议论文

领域

  • 3篇电子电信
  • 2篇自动化与计算...
  • 2篇医药卫生

主题

  • 2篇电信号
  • 2篇癫痫
  • 2篇癫痫脑电
  • 2篇小波
  • 2篇小波包
  • 2篇小波包分解
  • 2篇模式识别
  • 2篇脑电
  • 2篇肌电信号
  • 2篇表面肌电信号
  • 1篇多类模式识别
  • 1篇信号
  • 1篇信号识别
  • 1篇信息处理
  • 1篇信息处理技术
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇神经网
  • 1篇神经网络
  • 1篇神经网络集成

机构

  • 4篇吉林大学
  • 1篇北京石油化工...

作者

  • 4篇陈万忠
  • 2篇李明阳
  • 2篇张涛
  • 1篇雷俊
  • 1篇李阳
  • 1篇田彦涛
  • 1篇孙保峰

传媒

  • 2篇物理学报
  • 2篇吉林大学学报...

年份

  • 1篇2017
  • 1篇2016
  • 1篇2015
  • 2篇2013
共 4 条 记 录，以下是 1-5
全选 清除 导出
排序方式：
基于频率切片小波变换和支持向量机的癫痫脑电信号自动检测被引量：17
2016年
实现癫痫脑电信号的自动检测对癫痫的临床诊断和治疗具有重要意义.本文提出先使用频率切片小波变换分离出5个不同频段的节律信号,再分别计算每个节律信号的近似熵和相邻节律的波动指数,最后使用遗传算法优化的支持向量机进行分类.实验结果表明,所提出的方法能够对正常、癫痫发作间期和癫痫发作期三种脑电信号进行准确分类,分类准确率为98.33%.
张涛陈万忠李明阳
关键词：支持向量机
基于NNE技术的手臂运动模式识别算法研究被引量：1
2013年
本文将神经网络集成(Neural network ensemble,NNE)算法应用于人体手臂运动模式识别领域中,通过对手臂不同运动模式下的表面肌电信号(sEMG)的采集、分析与处理,识别出与其对应的手臂运动模式。主要利用小波包分解(WPD)算法提取表面肌电信号的时-频特征向量,利用集成神经网络对表面肌电信号特征向量进行模式识别;神经网络集成模型由Bagging算法生成,参与集成的个体神经网络均为BP神经网络,集成神经网络的输出由单个神经网络的输出通过相对多数投票法产生。最后,对手臂4个不同运动模式下的表面肌电信号进行了模式识别实验。实验结果表明,与个体神经网络相比,集成神经网络可以显著地提高手臂动作的识别率,证明了将神经网络集成技术用于手臂运动模式识别的有效性和可行性。
陈万忠孙保峰高韧杰雷俊
关键词：神经网络集成表面肌电信号小波包分解模式识别
基于半监督boosting表面肌电信号多类模式识别
2013年
针对表面肌电信号较为复杂,且获取标注样本代价较大的问题,提出了基于半监督boosting学习的表面肌电信号多类模式识别方法。与目前半监督boosting算法着重解决两类分类问题,将多类问题转化为多个两类问题不同,本文方法通过联合分类置信度及样本间相似度确定每次迭代过程中未标注样本的预测类别,达到利用未标注样本提高多类问题正确识别率的目的,避免了将某一样本划分多类的问题。由实验分析可知,本文算法与现有半监督boosting算法相比,正确识别率更高,对于不同标注样本数及不同基分类器具有较好的鲁棒性。本文方法降低了人工标注代价,对多类问题具有良好的识别效果。
李阳田彦涛陈万忠
关键词：信息处理技术肌电信号BOOSTING多类模式识别
Masking Empirical Mode Decomposition-Based Hybrid Features for Recognition of Motor Imagery in EEG
Brain computer interface(BCI) in electroencephalogram(EEG) is of great important but it is challenging to mana...
Wanzhong ChenYang You；
文献传递
基于AdaBoost算法的癫痫脑电信号识别被引量：10
2015年
Ada Boost算法作为Boosting算法的经典算法之一,在人脸检测和目标跟踪等领域得到了广泛应用,但该算法也有一个缺点——退化问题.为了解决这个问题,通过对弱分类器进行筛选、引入平滑因子和权值修正函数三个措施对算法进行优化,并将优化后的算法与小波包分解相结合应用到癫痫脑电信号的识别上.结果表明,本文算法对癫痫脑电信号的识别率为96.11%,对正常脑电信号的识别率为99.51%,具有较高的识别率,为癫痫的正确诊断提供了一种可能有效的解决方案.
张涛陈万忠李明阳
关键词：ADABOOST算法小波包分解
全选 清除 导出
共1页<1>
聚类工具0