【摘 要】
：
立体视觉是人类重要的视觉功能,其认知过程与大脑反应息息相关。因此利用EEG技术进行立体视觉研究具有重要的理论意义和应用价值。动态随机点立体图（Dynamic Random Dots Stereogram,DRDS）因仅含有双眼线索而被应用广泛于立体视觉检测中,本文采用深度DRDS视频作为刺激素材完成主观实验,并通过脑电实验采集三种视觉模式下的EEG信号,提出两种基于深度DRDS的脑电信号分类方法。
论文部分内容阅读
立体视觉是人类重要的视觉功能,其认知过程与大脑反应息息相关。因此利用EEG技术进行立体视觉研究具有重要的理论意义和应用价值。动态随机点立体图（Dynamic Random Dots Stereogram,DRDS）因仅含有双眼线索而被应用广泛于立体视觉检测中,本文采用深度DRDS视频作为刺激素材完成主观实验,并通过脑电实验采集三种视觉模式下的EEG信号,提出两种基于深度DRDS的脑电信号分类方法。本文提出了一种基于多通道选择稀疏时间窗共空间模式组（MCS-STWCSG）的多分类方法,实现了DRDS诱发的三种模式的脑电信号分类。该方法利用一种改进的CSP-rank方法进行通道筛选,减少冗余信息,并基于“一对一”计算模型,构建共空间模式组（Common Spatial Group,CSG）,提取信号特征。最后,采用基于稀疏回归的时频特征联合优化方法,优化混合特征,实现三分类。本文采用RBF核的SVM进行信号分类,其分类率可达87.5%,实验结果证明该分类算法性能良好,具有较强的有效性。在此基础上,本文将基于EEG信号的脑网络与卷积神经网络（Convolutional Neural Network,CNN）结合,提出一种基于重构脑网络连接矩阵的小卷积核特征融合网络模型,实现更精准的脑电信号分类。首先,为了减少冗余信息的干扰,初始化采集到的EEG信号,通过小波包分解与重构优化脑电信号;而后,重构脑网络并通过计算任意两个脑电通道间的锁相值构建连接矩阵,增强信号可分性;最后,将重构脑网络连接矩阵作为CNN输入,采用小卷积核及特征融合策略,实现对三种视觉模式下EEG信号的特征提取与分类。实验结果表明,基于重构脑网络的特征融合模型分类准确率可达94.01%,从分类结果可以看出,该算法分类性能优越,且具有较强的鲁棒性。
其他文献
主动式磁悬浮轴承是通过调整电磁力使转子稳定悬浮的一种轴承结构,具有抗扰动能力强、动态响应快、承载力动态可调和损耗小等优点。主动式磁悬浮轴承的稳定运行涉及到电磁、热和转子动力学等多学科知识交叉耦合,精确控制较为困难。滑模控制有着不需要控制对象精确模型、鲁棒性好等优点,适合主动式磁悬浮轴承的控制。传统的滑模控制在稳定点附近存在高频抖振的问题,会降低磁悬浮轴承稳定性并削弱其抗动态负载扰动能力。而二阶滑模
为了获得更好的功率因数以及恒流调光性能,LED驱动器一般包括PFC、中间级DC-DC变换器以及恒流变换器三部分。目前,关于LED驱动器的效率提升问题以及寄生参数对其调光性能的影响有待进一步分析。为此,本文针对双相交错并联有桥式CRM Boost PFC-半桥LLC变换器-恒流Buck变换器的三级式LED驱动器,从效率提升和寄生参数影响两个方面展开了详细的研究工作。本文具体工作如下:（1）对CRM
低频振动普遍存在于轨道交通、市政建设和生产生活中,这种不易察觉的低频污染对精密仪器、建筑结构和人体健康构成了威胁。因此低频振动监测和识别对环境安全和工程实践具有重要意义。机器视觉具有高可靠性、非接触的优点,近年来,随着人工智能的不断发展,深度学习在机器视觉领域有着越来越广泛的应用,使用深度学习对低频振动进行监测逐渐成为研究的热点。与传统的图像识别不同,低频振动的信息包含在动态帧图像之间,且不同频率
口腔正畸学是口腔临床教学的难点学科，具有基础知识点多、技术种类多样、内在逻辑复杂的特点。思维导图结合BOPPPS的教学模式是一种新的教学探索，在课前参与、课中教学与课后总结3个模块中，强调提高学生自主学习能力和参与感，帮助学生理清知识点结构和逻辑，通过逻辑树加强学生对知识点的记忆，从而帮助学生系统的把握正畸技术发展历程，提高正畸教学质量，建立系统思维。
在当前智能信息时代,人们对高质量图像和视频的需求日益突出。但在夜间等低光照条件下,相机因高感光度（ISO）模式会捕捉到大量的噪声。噪声不仅降低人们的观看体验,而且影响后续的图像分割、检测等应用。因此,图像和视频去噪具有重要意义。相比于s RGB（standard RGB）域噪声,Raw域噪声没有经过相机的图像信号处理器（ISP）的处理,分布更加简单,因此在Raw域去噪更具优势。然而由于缺乏相应的数
阵列信号处理是目前国内外的研究热点问题,广泛应用于移动通信、雷达、医学等领域。波达方向（Direction of Arrival,DOA）估计是阵列信号处理中的核心问题之一,旨在通过合理布设阵元,并结合有效的估计算法,实现空间目标达到阵列参考角度的估计。传统的密集型阵列由于硬件成本的限制以及估计性能的非理想性,难以应用于性能要求较高的实际场景。互素稀疏阵列为克服上述缺陷提供了可能,互素稀疏阵列将阵
配电网重构是提高配电网运行经济性及供电可靠性的重要技术手段。由于实际配电网中开关数量庞大、网络结构复杂,直接求解将面临开关组合爆炸问题。再者,配电调度自动化系统已经成为各配网调度中心的标配,其效能如何取决于量测数据的质量和数量,而配网规模大、覆盖面广,无法实现其完全配置,相应地如何实现配网量测设备的科学合理配置,也是一个有待解决的重要研究问题。因此,如何实现配电网快速高效的重构优化求解及量测设备的
自西域进入中国版图两千多年来，古代屯田被历代中央政府视为治理边疆的战略措施，随着社会的发展和周边环境的变化，古代屯田治理逐渐发展为当代屯垦戍边，对我国西北疆域的稳定与发展起到保障与促进作用。本文以新疆屯田治理的变迁为主线，对不同时期中央政府对屯田治理的成功经验为分析主体，以古鉴今，试图分析对当代新疆屯垦事业发展的启示。
BOPPPS模型自20世纪70年代提出以来，已经在多个国家的教学中得到广泛使用，作为传统的教学模型，其在实际使用中存在一些可以优化的地方，比如可以增加“预习”环节，适当对某些教学环节进行融合等。为了更好地提升教学效果，对原BOPPPS模型进行改进，提出基于教学立方和BOPPPS改进模型的教学设计方案，并以思维导图课程为例进行详细介绍。
近年来,基于深度学习的图像分类方法取得了快速的发展。深度学习以大量高质量标注数据为基础来训练模型。然而,在现实生活中,收集并标注大规模的数据集需要消耗大量的人力物力,这限制了此类方法的进一步发展与应用。为克服深度学习模型对海量数据的依赖,实现模型的快速泛化,研究者提出少样本图像分类的概念,旨在使模型从少量标注样本中学会识别新类别。本文以度量学习为基础,分别从提升类别原型的表达能力和样本特征的可辨别