论文部分内容阅读
基于模型空间的癫痫脑电信号的无监督特征提取与分类
【摘 要】
：
近十几年,随着信息技术在医学方面的高速发展和普及,越来越多的实时数据以时间序列的形式被采集。其中,脑电图(EEG)是作为预判癫痫发作的重要工具之一。通过对癫痫患者的脑电信号进行采集和分析,可以有助于检测癫痫的发作,有效的减少突发癫痫对癫痫患者带来的影响。然而现阶段,大量的原始脑电信号分析工作仍然依赖于人工。由于脑电波信号是非线性的,容易受到各种噪声的影响,并且不同患者会有不同的脑电波成像,整个人工
【机 构】
：
中国科学技术大学
【出 处】
：
中国科学技术大学
【发表日期】
：
2021年08期
【基金项目】
：
其他文献
随着可穿戴设备市场的不断扩张,智能手表、手环无缝接入到人们的日常生活中,这些设备凭借自身带有的各类运动传感器催生了多种动作识别应用,如运动类型识别、微手势识别等,这些应用在很多人机交互的场景中发挥着重要的作用。本文主要面向基于可穿戴设备的人体动作识别,首先以运动类型识别问题作为切入点,提出并实现了多种解决方案,包括手动提取具有统计意义的时频特征组合合适的分类器,以及通过短时傅里叶变换(STFT)将
学位
近年来,伴随着人工智能、边缘计算、5G等新兴技术赋能以及移动智能设备的大范围部署,物联网发展动能不断丰富,发展速度不断加快,市场潜在空间巨大。但物联网下的传感器数量多、分布广,传统的电池供能维护成本大,这使得物联网技术发展受限于能源问题。随着无源反射通信技术理论研究深入,已经有研究实现了利用环境中的能量以信号反射的工作模式进行数据传输和信息交互。将无源网络赋能物联网,可以实现物联网从有源向无源的转
学位
零样本图像检索是计算机视觉领域中一个重要的研究问题,在这类任务中,网络模型在十分有限的数据集上进行训练,并被要求在从未见过的类别中进行特征比对。主流的零样本图像检索模型大多基于深度度量学习(Deep metric learning)方法,这类方法旨在让网络模型学习一个嵌入空间,在这个空间上语义相近样本彼此接近,而语义相远的样本彼此远离。论文从两个方面分析了现有的基于深度度量学习的零样本图像检索方法
学位
目前,国内外大多数的芯片在编译后端处理指令选择的过程中出于对稳定性、可靠性、可用性等因素的考虑,仍然沿用传统的基于宏扩展或图覆盖的算法。由于芯片计算性能的不断提升和指令集的不断扩充等因素,这些指令选择策略存在不可自动地迭代更新、不能充分利用平台指令集中高效指令的优势等不足,并不能很好地适应这种变化。实质上,指令选择拆可分为两个过程,分别是模式匹配和模式选择两个问题。对于模式匹配问题本文使用近些年比
学位
复用开源代码是软件开发中常见的行为,可以减少软件开发的时间和人力成本。与此同时,复用开源代码也可能带来开源漏洞和违反开源许可等问题,因此有必要检测软件中复用的开源代码。现有基于相似性的复用代码检测方法常常检出大量的偶然克隆代码,这些偶然克隆代码并非复用代码,而目前很少有复用代码检测方法考虑到这一因素。对此,本文从代码的词法和程序依赖图两方面研究复用开源代码的检测。主要工作和贡献包括:(1)基于词法
学位
DNA甲基化是诸多疾病诊断和治疗的重要途径,对其进行检测最重要的一步是将测序得到的甲基化序列比对到参考基因组上,从而确定为甲基化位点的核苷酸C。亚硫酸氢盐测序技术使得非甲基化的核苷酸C变成核苷酸T,降低了序列的信息复杂度,使得比对算法定位到多个位置的概率明显增加。导向定位测序技术产生常规序列和甲基化序列,比对过程需对大规模甲基化序列的多个候选位置进行动态规划,消耗大量时间。因此,如何将以上两类甲基
学位