【摘 要】
：
研究发现抑郁症病人静息态EEG存在左右脑半球神经电活动强度不对称的现象。研究进一步分析了抑郁症的大脑前后部脑电信号不对称性的变化，并在正常组、抑郁症未用药组和抑郁症用药组三组被试中进行了初步分析。分析过程首先将静息态EEG进行快速傅里叶变换(FFT)，将时域的EEG信号转换为频域的相关信息。再将频域划分频带，导出各个频带各个通道的电压密度后，用电压密度值计算比较脑前后部神经电活动的相对强弱。结果发
【机 构】
：
北京工业大学国际WIC研究院磁共振成像脑信息学北京市重点实验室 北京 100124 首都医科大学附
【出 处】
：
第十三届中国Rough集与软计算学术会议、第七届中国Web智能学术研讨会、第七届中国粒计算学术研讨会联合学术会议
论文部分内容阅读
研究发现抑郁症病人静息态EEG存在左右脑半球神经电活动强度不对称的现象。研究进一步分析了抑郁症的大脑前后部脑电信号不对称性的变化，并在正常组、抑郁症未用药组和抑郁症用药组三组被试中进行了初步分析。分析过程首先将静息态EEG进行快速傅里叶变换(FFT)，将时域的EEG信号转换为频域的相关信息。再将频域划分频带，导出各个频带各个通道的电压密度后，用电压密度值计算比较脑前后部神经电活动的相对强弱。结果发现正常人脑前部神经电活动强于脑后部，抑郁症未用药病人脑前部神经电活动弱于脑后部。用药的抑郁症病人脑前后部神经电活动的相对强弱有所改善。该结论有助于基于生物标记的抑郁症自动诊断和和治疗效果预测。
其他文献
智能信息处理是人工智能研究的主要内容之一，而不确定信息的表示与分析是智能信息处理的重点与难点。粒计算(Granular Computing)是近年来计算机领域出现的一种以模拟人类处理信息机制的计算理论与方法。该理论认为信息或知识是有粒度的，信息或知识的不确定性是由于粒度太粗产生的，它对不确定性给出了新的解释。本报告将介绍一种具体的粒计算模型——粗糙集理论，以及知识约简中不确定性的分析。目前，大数据
最小测试代价属性约简问题是数据挖掘和机器学习中的重要问题。最近，一个信息增益算法被设计用于解决该问题，但该算法的效果并不理想。提出一个模拟退火算法解决最小测试代价属性约简问题。算法首先随机产生一批属性子集作为原子解。然后每个原子解通过简单的方法产生其邻居解。再按照Metropolis准则保留原始原子解或者用其邻居解来替换。最后选出这批原子解中测试代价最小的作为结果输出。该算法在四个UCI数据集上运
为了将群体智能技术应用于半结构化的藏文Web文本聚类中，提出了基于群体智能的半结构化藏文Web文本聚类算法SCAST (A Semi-structured Tibetan Text Clustering Algorithm Based on Swarm Intelligence)，充分考虑群体智能技术对藏文文本聚类准确性和时间效率的影响.SCAST算法包含三个主要步骤：(1)运用向量空间模型表示藏
由于路径本身的动态性、异构性、脆弱性和不确定性，如何在大型加权网络中找到可信路径成为近年来最佳路径查找算法的研究热点。借鉴贝叶斯认知模型和商空间理论，通过对大型加权网络中节点信用度进行评估，提出了一种动态商拓扑模型并应用于最佳路径查找。仿真结果证实，提出的动态商拓扑模型能够在较小的时间花费代价下有效地提高算法可信方面的需求。
增量支持向量机(Incremental Support Vector Machine,ISVM)模型通过每次加入一个或者一批样本进行学习,将大规模问题分解成一系列子问题,以提高支持向量机(Support Vector Machine,SVM)处理大规模数据的学习效率,但传统ISVM (Traditional ISVM,TISVM)模型中增量样本的选择方法不当可能降低其效率和泛化能力。针对ISVM中
形式概念分析是用于知识表示和知识发现的一个重要方法。本文将布尔矩阵方法引入形式概念分析之中，提出布尔形式背景的概念，利用布尔向量和布尔矩阵的蕴含运算，给出了布尔形式概念的定义，研究了布尔形式概念的计算和性质。同时，针对布尔形式背景的与、或和乘积运算，研究了对应的布尔形式概念的计算问题。
概率推理是进行数据分析的重要理论工具，利用专家经验值的充分似然率和必然似然率可以进行主观概率推理。以主观贝叶斯概率推理理论为依据，讨论了决策形式背景中条件属性与决策属性之间的关系，将推理方法推广到包含度的形式，得出了无需先验概率的包含度计算方法。
结构分析的隐变量发现方法难以有效地发现隐变量且可解释性较差。基于因果关系和局部结构的不确定性,提出了一种基于局部因果关系分析的隐变量发现方法(LCAHD),LCAHD方法给出了因果结构熵的定义,将因果知识和不确定性知识相融合,以因果关系的不确定性程度作为隐变量存在的判定依据,并对这一依据进行了理论上的论证；LCAHD方法首先寻找目标变量的马尔科夫毯提取局部依赖结构,然后基于扰动学习获得扰动数据,联
云制造为企业间的合作提供了一种全新的网络化应用新模式。为实现高效智能地从已发布的大规模候选云服务中选择满足企业合作需求的云服务，在对云服务进行规范化的语义描述和本体建模基础上，提出一种分阶段的云服务智能选择算法。首先利用服务类别语义相似度和状态信息对候选云服务进行初步选择，接着根据候选云服务和请求云服务输入输出功能的语义包含关系以及服务功能属性对候选云服务进行再选择，最后对候选云服务的非功能属性进
基因特征选择是基因表达数据分析中的一种重要方法。粗糙集是一种处理不确定性、不一致性、不精确性数据的有效分类工具，其特点是保持基因表达数据集的分类能力不变，进行基因特征选择。为了避免传统粗糙集特征选择方法所必需的离散化过程带来的信息损失，将邻域粗糙集特征选择方法应用于基因的特征选取，提出了基于邻域粗糙集的基因选择方法。该方法从所有特征出发，根据特征重要度逐步删除冗余的特征，最后得到关键特征组进行分类