简介：本文提出了一种不同类型神经生理信号的实时评价方法。这种方法可以在一个系统中自动实时地处理多种神经生物信号,包括EEG、EMG、EOG等。它可以显示信号波形、计算特征参数、指出掺杂在信号中的各种噪声等。因此,这种方法不仅可以在线地预处理原始神经生理信号,也可以基于用户需求对信号进行评价。系统输出的合格神经生理信号可以被用于辅助医生解析神经生理信号,从而诊断疾病或者向患者提供建议。本方法可以根据用户需求进一步扩展功能。
简介：通过改进处理K-SVD算法得到DDELM-AE算法,之后再把该算法应用于物体特征识别中。研究结果得到:K-SVD算法的收敛速率较快,达到收敛的时间也显著比SAE算法更短,本文通过改进K-SVD算法之后使DDELM-AE算法的计算准确率以及计算效率都获得了显著的改善。采用K-SVD算法可以达到76.3%的识别准确率,使用深度特征信息之后,可以使识别准确率升高至81.4%,DDELM-AE可以显著提高K-SVD算法的性能,并且加入多特征之后可以使算法识别准确率得到显著提高。
不同类型神经生理信号的实时评价系统
基于改进K-SVD算法的傅里叶叠层成像识别技术研究
