-
题名基于小样本学习的精分患者脑电信号分析方法
- 1
-
-
作者
贾亦非
尹梦真
王懋云
王佳明
-
机构
太原学院计算机科学与技术系
太原师范学院计算机科学与技术学院
-
出处
《太原师范学院学报（自然科学版）》
2024年第2期35-41,共7页
-
基金
山西省自然科学研究面上项目(202303021221172)
山西省研究生创新项目(2023SJ276)
+1 种基金
太原师范学院研究生创新项目(SYYJSYC-2394)
太原学院院级科研项目(2023TYQN10)。
-
文摘
目前很多机器学习方法都建立在大量数据的需求上,但在实际的生产生活中,有时很难获得大批量的数据.本文提出将小样本学习技术应用于脑电信号分析上,以增强分类精度,提高分析性能.实验通过对采集到的脑电信号进行预处理,再将其通过预训练模型的卷积层和池化层输出的高维特征向量作为输入数据进行特征提取,最后用小样本学习训练模型,实现在数据集规模较小的情况下达到较好的分类或预测效果.该方法结合了卷积神经网络和元学习的思想,通过在少量标记数据上进行训练,实现了对未标记数据的快速适应.实验结果表明,该方法在小样本情况下具有更好的分类精度和泛化能力,相较于传统的机器学习方法,具有更高的应用价值,可以为精神分裂症疾病的诊断提供参考.
-
关键词
小样本学习
脑电信号
卷积神经网络
分类精度
精神分裂症
-
Keywords
small sample learning
EEG signal
convolutional neural network
classification ac-curacy
schizophrenia
-
分类号
TN911.7
[电子电信—通信与信息系统]
R749
[电子电信—信息与通信工程]
-
-
题名粒子群算法优化混合核函数SVM及应用
被引量：1
- 2
-
-
作者
崔国恒
李京书
张军
-
机构
海军工程大学
空军装备研究院
-
出处
《舰船电子工程》
2016年第12期46-49,160,共5页
-
文摘
相比于单一核函数支持向量机,混合核函数的引入使支持向量机多了一个可调参数,而这个可调参数一般是根据人为随机选取或者依据经验选取,并不能保证参数最优。针对此问题,提出了以惩罚系数、核函数参数和可调参数为寻优对象,用动态粒子群对其进行寻优的方法,以获取最优参数组合,从而提高支持向量机的分类性能。通过对UCI数据库中的IRIS数据集进行分类实验,结果表明:相比于单一核函数支持向量机,混合核函数支持向量机泛化能力更好,分类精度更高;动态粒子群算法能够搜索到更优的支持向量机参数。
-
关键词
支持向量机
动态粒子群
核函数参数
寻优
分类精度
-
Keywords
support vector machine, dynamic particle swarm, kernel function parameter, optimizing, classification ac-curacy
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
