检索结果

Select

1. 以脑电图子序列特征向量为节点的脑网络分析方法

杨雄, 姚蓉, 杨鹏飞, 王哲, 李海芳

计算机应用 2019, 39 (4): 1224-1228. DOI: 10.11772/j.issn.1001-9081.2018092037

摘要（520）

PDF （819KB）（288）

工作记忆复杂网络分析方法大多数是以通道作为节点从空间的角度进行分析，很少有从时间角度对通道网络进行分析。针对脑电图（EEG）的高时间分辨率特性及时间序列分段较难的缺陷，提出一种从时间角度构建网络并对网络进行分析的方法。首先，利用微状态将每个通道的EEG信号划分成不同的子段作为网络的节点；其次，在子段中提取并选择有效特征作为子段的特征，计算子段特征向量之间的相关性构建通道时间序列复杂网络；最后，对所构建网络的属性及相似性进行分析，并在精神分裂症患者EEG数据上进行验证。实验结果表明，通过所提方法对精神分裂症数据进行分析，能够充分利用EEG信号的时间特性从时间角度深入了解精神分裂症病人工作记忆中构建的时间序列通道网络的特点，解释了精神分裂症患者与正常人的显著性差异。

参考文献 | 相关文章 | 多维度评价

Select

2. 高斯加权的多分类器物体追踪

兰远东邓辉舫蔡昭权杨雄

计算机应用 2014, 34 (8): 2394-2398. DOI: 10.11772/j.issn.1001-9081.2014.08.2394

摘要（336）

PDF （977KB）（475）

针对在物体外观快速变化的情况下，大多数弱学习器不能捕获物体新的特征分布，导致追踪失败的问题，提出了高斯加权的联机多分类器增强算法。该算法为每一个领域问题定义一个弱分类器，每个弱分类器包括一个简单的视觉特征和阈值，引入高斯加权函数来权衡每个弱分类器在特定样本上的贡献，通过多分类器联合学习来提高追踪性能。在物体追踪过程中，联机多分类器在对物体定位的同时还能估计物体的姿态，能够成功地学习多模态外观模型，在物体外观快速变化的情况下追踪物体。实验结果表明：所提算法在经过一个较短序列的训练后，平均追踪错误率为12.8%，追踪性能明显提升。

参考文献 | 相关文章 | 多维度评价

Select

3. 一种基于小波变换的数字水印算法

杨雄，冯刚，严雄兵，刘雄华

计算机应用 2005, 25 (03): 565-566. DOI: 10.3724/SP.J.1087.2005.0565

摘要（1558）

PDF （97KB）（1066）

目前有很多基于离散小波变换 (DWT)的水印算法,但很少讨论到水印嵌入子带的选择问题。介绍了一种新颖的基于DWT的水印算法,该算法通过在最大均方根 (RMS)值细节子带中嵌入水印取得了不错的结果,实验证明该子带中的水印在抵抗高斯噪声和JPEG压缩攻击时有较好的鲁棒性。