-
题名脑电波情绪分类算法的研究
被引量：1
- 1
-
-
作者
马新斐
刘志宏
姜添浩
-
机构
成都信息工程大学电子工程学院
-
出处
《成都信息工程大学学报》
2018年第4期365-369,共5页
-
基金
四川省教育厅重点资助项目(2013ZZ0001)
-
文摘
人们的情绪变化本质是大脑皮层上的高级神经活动。情绪认知应用是未来重要的一个趋势,现在以脑机接口为主流工具的研究,在脑电情绪主观世界和信号客观世界之间建立了桥梁。使用多种分类器来对情绪识别,选择有监督机器学习的Fisher、贝叶斯、SVM和无监督机器学习的DBN分类器进行研究。结果表明:在分类精度上,贝叶斯要优于Fisher,DBN要优于SVM,在运行时间上,贝叶斯运行时间最短。DBN有更高的分类精度和更低的标准偏差,平均最佳分类精度为84.01%,最低标准偏差为9.74%,比较适合脑电情绪识别。
-
关键词
脑电
情绪认知
分类精度
机器学习
-
Keywords
EEG
emotion recognition
classification accuracy
machine learning
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于联合采用EMD与高通低通滤波的信号分析
- 2
-
-
作者
李光耀
马新斐
郭盼盼
杨波
-
机构
成都信息工程大学
-
出处
《科技视界》
2016年第6期180-181,共2页
-
文摘
提出一种基于Hilbert-黄变换改进的信号分析方法。实验表明经验模态分解(EMD)方法在大多数情况下分解的结果都与人们的直观感觉相符合。但实验也发现,常规的EMD分解方法无法将频率存在2倍关系内的信号分量分离而可能导致分量模态混叠。为解决模态混叠问题,我们先将原始信号通过高通低通滤波分为两组。之后,再对两组信号分别进行经验模态分解,并进行频谱分析。经过实验验证,使用该方法可以有效地将存在二倍频率内的信号分离开来,达到消除本征模态函数(IMF)的混叠的效果。
-
关键词
模态函数
滤波
经验模态分解
-
Keywords
Mode function
Filtering
Empirical mode decomposition
-
分类号
TN911.6
[电子电信—通信与信息系统]
-
-
题名一种改进的容积卡尔曼滤波目标跟踪算法
- 3
-
-
作者
张晓春
马新斐
刘志宏
杜国宏
杨耀
-
机构
成都信息工程大学电子工程学院
重庆光电技术研究所
-
出处
《成都信息工程学院学报》
2015年第6期559-562,共4页
-
基金
四川省教育厅科研重点资助项目(15ZA0180)
-
文摘
目标跟踪算法是红外图像末制导的核心算法,直接关系到导弹的命中精度。结合当前统计模型,提出改进的强跟踪容积卡尔曼滤波算法(ICKF)。针对容积卡尔曼滤波在目标突发机动时跟踪性能较差的问题,借鉴强跟踪滤波思想,将渐消因子引入滤波过程。算法实现简单,估计精度高,鲁棒性强。仿真结果表明,算法有效增强了系统对目标突发机动的自适应跟踪能力,并保持对弱机动和非机动目标良好的跟踪性能,且运算速度较快。
-
关键词
信息与通信
信号处理
目标跟踪
容积卡尔曼滤波
强跟踪
图像末制导
-
Keywords
information and communication
signal processing
target tracking
cubature Kalman filter
strong tracking filter
image terminal guidance
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
