【摘 要】
：
随着科技的进步,立体显示技术已逐渐融入人们生活工作的各个方面。立体效果的呈现依赖于人眼的立体视觉感知功能,所以立体视觉的相关研究对于立体显示技术的进一步应用发展具有重要意义。本文利用动态随机点立体图（dynamic random-dot stereograms,DRDS）结合脑电技术,对不同视差下水平运动DRDS的诱发脑电信号进行了识别,可以为立体视功能研究提供客观的理论依据。本文提出一种基于小波
论文部分内容阅读
随着科技的进步,立体显示技术已逐渐融入人们生活工作的各个方面。立体效果的呈现依赖于人眼的立体视觉感知功能,所以立体视觉的相关研究对于立体显示技术的进一步应用发展具有重要意义。本文利用动态随机点立体图（dynamic random-dot stereograms,DRDS）结合脑电技术,对不同视差下水平运动DRDS的诱发脑电信号进行了识别,可以为立体视功能研究提供客观的理论依据。本文提出一种基于小波包变换和优化双谱特征的WPT-BED（wavelet packet transform bispectral eigenvalues of differential signal）算法,实现了三种模式DRDS诱发脑电信号的识别分类。该方法首先采用功率谱进行通道筛选去除冗余的通道信息以提高数据处理效率;然后采用小波包变换将时域信号分解为多个频段的节点信号;再利用双谱特征完成对不同节点信号的筛选以及重构;最终计算重构信号的优化双谱特征完成分类。仿真结果表明,所提出的方法进行二分任务上的最高识别准确率为84.38%,平均识别准确率为73.98%。在此基础上,本文进一步提出了一种融合多域特征的双通道CNN（Convolutional Neural Networks,CNN）模型,实现了三种模式EEG信号的特征提取与分类。该方法采用时域重组策略对原始数据增强;再分别对增强数据进行时频处理、空频处理得到数据的两种表示形式,并送入对应时频和空频CNN框架中提取信号的特征;最终使用全连接层将两个CNN框架提取的特征融合并完成分类。所提出的多域特征融合的双通道卷积神经网络在二分类任务上的平均准确率达到87.27%,三分任务的平均准确率达到73.20%。与其他方法相比,本文的方法具有更好的分类性能,证明了该模型可以有效区分三种模式DRDS诱发的EEG信号。
其他文献
目的 将BOPPPS教学模式运用于儿童消化系统疾病临床教学中,剖析BOPPPS教学模式在儿科医学临床教学中的运用实践效果。方法 将2020年10月—2021年11月消化科住培医学生的临床小讲课教学环节中按批次分别使用传统教学法和BOPPPS教学法,并将两组学生的教学效果通过访问和考核发的结果分别进行比较。结果 通过访问学生学习情况及考核调查结果显示,使用BOPPPS教学法组兴趣度及考核正确率明显高
深度卷积神经网络结构的设计是非常具有挑战性的工作,需要根据任务本身的特点以及专家的经验进行大量的尝试。提高网络性能往往需要更加复杂的网络结构;而随着网络模型复杂度的增加,网络结构的设计也愈加困难。因此,一些工作开始研究网络结构搜索算法使得计算机能够自动搜索出性能优秀的神经网络结构。但是,当前的网络结构搜索方法还存在搜索过程不稳定等一系列挑战。本文首先从解决图像分类任务的网络结构入手,手工地进行了深
电子散斑干涉测量技术（Electronic Speckle Pattern Interferometry,ESPI）是一种现代光学检测技术,因其全场、无损、非接触等优点被广泛应用于诸多实际工程领域。在实际应用中,被测物的信息被反映在条纹图的相位中,所以准确地提取相位是成功应用ESPI技术的关键。条纹骨架线法是提取相位最直接的方法,该方法涉及去噪,二值化,骨架线提取,插值等技术。随着深度学习的发展,
＜正＞（2019年8月18日起）为进一步保障实验动物的福利，不断提升动物实验研究的水平并获得国际学术界同行的认可，根据我国和北京市实验动物有关法规和标准，在实验动物麻醉方法中，鉴于水合氯醛原属于镇静、催眠及抗惊厥药，作为麻醉剂效果较差，刺激性强、毒副作用较大，存在干扰实验结果、对实验动物不人道和有悖实验动物福利伦理审查原则等问题，国外期刊普遍建议不再使用水合氯醛作为实验动物的麻醉剂。因此，本刊自2
分布式光纤传感系统以光纤作为传感和传输元件,可以在整个光纤传感路径上实现分布式连续传感,且具有灵敏度高、耐高温腐蚀、抗电磁干扰、监测距离长等优点,被广泛的应用于机场、小区、边防等重要场所的周界安防中。光纤传感信号通常是非平稳的,在实际应用中,扰动信号具有复杂的信号模式,且易受各类噪声的干扰。如何准确实时的识别出入侵扰动信号,实现有效的入侵预警是周界安防领域研究的重点。本文针对入侵扰动信号的特征和实
在振动监测领域,传统的接触式监测由于使用方法的限制,其应用具有一定的局限性。为了实现非接触、全场式、多场景监测,基于机器视觉的监测技术成为振动监测领域的关键方法之一。本文以机器视觉为主要方法,以一维振动特征的提取与识别为主要目的,针对两类纹理特征不同的测试对象提出了两种有效的振动监测方法。针对自然结构明晰、纹理特征丰富的目标物体,本文采用图像预处理相关算法提取像素级振动特征,并提出了一种用于分类、
目的：分析BOPPPS联合情景模拟法在儿科护理学教学中的应用效果。方法：选取149名护理在校生作为研究对象，随机分为对照组（n=74）和实验组（n=75）。对照组采用传统教学法，实验组应用BOPPPS联合情景模拟法。比较两组护生理论成绩和操作成绩，以及教学前后学习主动性。结果：实验组理论成绩和操作成绩均高于对照组，且教学后实验组学习主动性评分明显高于对照组，均P＜0.05。结论：BOPPPS联合情
随着图像、文本、视频等多模态数据的快速增长,如何高效且精准地进行跨模态检索成为了一个亟待解决的问题。跨模态检索旨在通过为不同模态的数据建立匹配关系,从而实现以某一模态数据作为查询,检索到具有相同或相近语义的其他模态数据。由于不同模态数据的底层特征之间存在异构鸿沟,使得对异构数据进行语义对齐有了很大的挑战性。本文主要针对跨模态检索中的图文匹配任务展开研究。首先,受到多任务学习和层次化表征学习的启发,
水下图像和视频作为获取海洋信息的重要载体,其质量直接决定获取到的信息的真实性和可靠性。光在水下传输时,会受到吸收和散射的作用,使得水下视频图像具有低对比度、模糊的纹理和严重的色彩偏移。这些失真对水下信息获取有着极大的影响,因此水下视频图像、清晰化尤为重要。近年来水下视频、图像清晰化领域受到了不少研究者的关注,但现存图像清晰化算法的鲁棒性不高,且将图像清晰化算法应用到视频清晰化时较少的关注清晰化后的