期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于大津法分割和局部最大梯度的自动聚焦算法
被引量：
20
1
作者
包
丞
啸
姜威
王玉潇
《光学技术》
CAS
CSCD
北大核心
2019年第6期756-761,共6页
针对传统的聚焦评价函数在应用时出现的一些诸如稳定性和精度不足、易受噪声干扰等问题,提出一种基于大津法分割和局部最大梯度的自动聚焦算法。算法对前背景分割后的图像进行局部梯度计算,并统计非零系数和计算局部方差,利用二者变化...
针对传统的聚焦评价函数在应用时出现的一些诸如稳定性和精度不足、易受噪声干扰等问题,提出一种基于大津法分割和局部最大梯度的自动聚焦算法。算法对前背景分割后的图像进行局部梯度计算,并统计非零系数和计算局部方差,利用二者变化特性设计一个新的清晰度评价指标以实现数字图像的自动聚焦。实验结果表明,算法具有高灵敏度、较好的稳定性和较强的抗噪能力。
展开更多
关键词
自动聚焦
图像处理
大津法
局部梯度
非零系数
原文传递
基于共空间模式算法和支持向量机二重分类的癫痫发病预测
被引量：
5
2
作者
王玉潇
姜威
+1 位作者
刘治
包
丞
啸
《生物医学工程学杂志》
EI
CAS
CSCD
北大核心
2021年第1期39-46,共8页
目前癫痫患者的发病预测手段十分耗时且易受主观因素干扰,因此文中提出了一种基于共空间模式算法(CSP)和支持向量机(SVM)二重分类的癫痫发病自动预测方法。此方法将提取空域特征的共空间模式算法应用到癫痫脑电信号检测中,但是该算法未...
目前癫痫患者的发病预测手段十分耗时且易受主观因素干扰,因此文中提出了一种基于共空间模式算法(CSP)和支持向量机(SVM)二重分类的癫痫发病自动预测方法。此方法将提取空域特征的共空间模式算法应用到癫痫脑电信号检测中,但是该算法未考虑信号的非线性动力学特征且忽略了其时频信息,所以在特征提取阶段选取了标准差、熵和小波包能量这几种互补特征来进行组合。分类过程采取一种基于支持向量机的全新二重分类模式,即将癫痫患者正常期、发作间期和发作期三个阶段分成正常期和准发病期(包括发作间期和发作期)两类进行支持向量机识别,然后对属于准发病期的样本进行发作间期和发作期的分类,最终实现三个时期的分类识别。实验数据来自德国波恩大学的癫痫研究数据库。实验结果显示,第一重分类平均识别率为98.73%,第二重分类平均识别率可达99.90%。结果表明,引入空域特征和二重分类模式能够有效解决众多文献中发作间期和发作期识别率不高的问题,提升各个时期的识别效率,为癫痫患者的发病预测提供有效的检测手段。
展开更多
关键词
癫痫脑电信号
共空间模式算法
特征结合
支持向量机
二重分类
原文传递
题名
基于大津法分割和局部最大梯度的自动聚焦算法
被引量：
20
1
作者
包
丞
啸
姜威
王玉潇
机构
山东大学信息科学与工程学院
出处
《光学技术》
CAS
CSCD
北大核心
2019年第6期756-761,共6页
文摘
针对传统的聚焦评价函数在应用时出现的一些诸如稳定性和精度不足、易受噪声干扰等问题,提出一种基于大津法分割和局部最大梯度的自动聚焦算法。算法对前背景分割后的图像进行局部梯度计算,并统计非零系数和计算局部方差,利用二者变化特性设计一个新的清晰度评价指标以实现数字图像的自动聚焦。实验结果表明,算法具有高灵敏度、较好的稳定性和较强的抗噪能力。
关键词
自动聚焦
图像处理
大津法
局部梯度
非零系数
Keywords
automatic focusing
image processing
Otsu method
local gradient
Non-zero coefficient
分类号
TP391 [自动化与计算机技术—计算机应用技术]
原文传递
题名
基于共空间模式算法和支持向量机二重分类的癫痫发病预测
被引量：
5
2
作者
王玉潇
姜威
刘治
包
丞
啸
机构
山东大学信息科学与工程学院
出处
《生物医学工程学杂志》
EI
CAS
CSCD
北大核心
2021年第1期39-46,共8页
基金
山东省重大科技创新项目(2017CXGC1503)。
文摘
目前癫痫患者的发病预测手段十分耗时且易受主观因素干扰,因此文中提出了一种基于共空间模式算法(CSP)和支持向量机(SVM)二重分类的癫痫发病自动预测方法。此方法将提取空域特征的共空间模式算法应用到癫痫脑电信号检测中,但是该算法未考虑信号的非线性动力学特征且忽略了其时频信息,所以在特征提取阶段选取了标准差、熵和小波包能量这几种互补特征来进行组合。分类过程采取一种基于支持向量机的全新二重分类模式,即将癫痫患者正常期、发作间期和发作期三个阶段分成正常期和准发病期(包括发作间期和发作期)两类进行支持向量机识别,然后对属于准发病期的样本进行发作间期和发作期的分类,最终实现三个时期的分类识别。实验数据来自德国波恩大学的癫痫研究数据库。实验结果显示,第一重分类平均识别率为98.73%,第二重分类平均识别率可达99.90%。结果表明,引入空域特征和二重分类模式能够有效解决众多文献中发作间期和发作期识别率不高的问题,提升各个时期的识别效率,为癫痫患者的发病预测提供有效的检测手段。
关键词
癫痫脑电信号
共空间模式算法
特征结合
支持向量机
二重分类
Keywords
epilepsy electrical signal
common spatial model
feature combination
support vector machine
double classification
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
TN911.7 [自动化与计算机技术—控制科学与工程]
R742.1 [电子电信—通信与信息系统]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于大津法分割和局部最大梯度的自动聚焦算法
包
丞
啸
姜威
王玉潇
《光学技术》
CAS
CSCD
北大核心
2019
20
原文传递
2
基于共空间模式算法和支持向量机二重分类的癫痫发病预测
王玉潇
姜威
刘治
包
丞
啸
《生物医学工程学杂志》
EI
CAS
CSCD
北大核心
2021
5
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
