基于距离判别的心电身份识别技术研究

针对传统生物特征身份识别技术易于破解的弊端,提出了心电信号身份识别技术。分析了心电信号身份识别的距离判别法则。结合马氏距离、小波距离、谱能量距离和相关距离算法,提出加权系数智能匹配算法。下位机利用双电极法采集心电信号,经串口送往上位机。Matlab软件平台下,编程实现心电信号数字处理和身份识别。通过对40个人的心电样本进行测试,获得了95%的识别结果。     

基于心电信号的身份识别系统研究

介绍了心电信号身份识别系统的设计方案。分析了双电极心电信号检测电路和心电信号小波距离身份判别算法。在Matlab软件平台下编程实现心电信号数字滤波、周期分割、样本建库以及身份识别。通过对34个人的心电样本进行测试,获得了91.2%的识别结果。     

基于短时心电信号的身份识别方法

为了提高基于短时(1 s)心电信号进行身份识别的准确率,本文提出了一种残差块的一维卷积神经网络(one-dimensional convolutional neural network,1D-CNN)的短时心电信号身份识别方法。该方法采用快捷连接设计以解决深层卷积网络随着卷积层数增加而性能退化的问题,并通过增加卷积层数和卷积核数量来保证网络能够更充分地提取特征,进而提升网络的分类性能。本文方法在两个公开数据库心电数据库(electrocardiogram identification database,ECG-ID)和德国联邦物理技术研究院心电图诊断数据库(physikalish-technische bundesanstalt diagnostic ECG database,PTB)进行了实验,当采用一个心动周期(大约1 s)信号进行身份识别时,准确率分别达到了97.963%和99.359%。实验结果表明本文方法可以有效地提高短时心电信号的身份识别的准确率。     

基于小波的ECG信号噪声消除

人体心电信号在采集过程中掺杂着各种噪声信号。因而提出利用一种非线性的消噪方法,根据心电信号与噪声奇异点在小波变换下不同性质进行滤波。给出了具体的算法和试验结果。理论分析和实验表明,这种方法在改善信噪比同时又能保持相当主的时间分辨率,而且特别适合时变信号和突变信号的消噪。     

心电信号的降噪处理及其评价研究

为抑制心电信号中存在的噪声干扰,以利于准确提取反映心电信号的特征信息,文章提出应用一维离散小波变换实现对心电信号的降噪处理方法.通过对MIT/BIH心电数据库中的心电信号进行仿真,研究结果表明,该方法能够有效地去除心电信号中的噪声,对实现心电信号特征信息的提取具有一定的实用价值.     

非监督特征学习方法在脑电身份识别中的应用

设计并实现了采用非监督特征学习方法对模拟阅读事件相关电位实验中多名受试者脑电信号的特征提取,并对提取的特征向量进行了模式分类.实验中共采集5名受试者脑电信号,每名受试者的特征样本集由其接受模拟阅读靶视觉刺激后100⁴00ms在通道PO3、O1、Oz、O2、PO4、P4、P8、CP6的脑电信号样本组成,各受试者样本集均含400个试次样本.非监督特征学习过程由含6个神经节的BP神经网络完成,后选用支持向量机作为分类器.对比了1试次,2试次、5试次、10试次样本叠加等几种不同情况下采用非监督特征学习方法提取特征的分类正确率.实验结果表明:采用多神经节人工神经网络对5名使用者5试次叠加信号样本提取的特征向量的分类正确率高于90%,显著优于对各单通道时域特征向量的分类正确率,该方法可为以脑电信号为特征的身份识别系统提供一种可行的特征提取方式.     

基于小波变换的ECG信号消噪

以小波变换的多分辨率分析为理论基础 ,依据信噪在小波分析下的分离性 ,对体表心电信号 (ECG信号 )进行了消噪算法的设计与实现 ,并着重强调了其中双尺度预处理算法的重要性 .实验表明 ,本消噪算法不仅能实时有效地降噪 ,还能对原信号突变点进行定位     

小波分析和ECG信号的检测

利用小波变换能处理多尺度多分辨的特点,将心电信号进行多尺度分解,把不同频带的信号显现在小波分解各个尺度上。特征尺度上准确定位QRS波及T波的起始点,从而获得人体心电信号(ECG)中的QT间值。人体心电信号具有非平稳性和干扰多的特点,利用小波分析对心电信号进行处理能够获得精确的QT间值,为临床诊断提供了更加准确的依据。     

心电信号中R波的小波探测法

心电信号中的R波是心室除极时所产生的电位突奕,是典型的峰值奇异信号。笔者研究了小波变换对心电信号R波峰值奇异点的精确检测机理,分析了Mexican hat小波特有的时域特性,该小波具有任意阶连续性、对称性和指数衰减,具有零阶和一阶消失矩。因此Mexican hat小波基对R波具有良好的定位特性和分析精度。通过MIT／BIH（Massachusetts Institute of Technology/Boston's Beth Israel Hopital）心电数据库的测试和应用实例的验证,即使在有严重噪声干扰的情况下,该方法也很容易实现对R波的准确检测和精确定位,具有相当高的定位精度（定位误差不大于1个采样点,约80％能准确定位）和分析精度（不存在累计误差）,同时具有较高的实时性,可以实现R波产时检测和分析。     

小波变换用于心电信号高频成份的分析

小波变换是一种线性运算，它对信号进行不同尺度的分解，可有效地应用于如信噪分离，提高时频两域的分辨率等。讨论小波变换用于心电QRS波形高频成份特征提取的方法。实验结果表明高频截止频率fH和W值，对于心肌缺血（冠心病）者其值普遍高于无心肌缺血（冠心病）者。并且揭示了急性心肌缺血时心电信息的高频成份动态变化的本质。     

人脸识别中基于互信息的特征优选

人脸识别领域中常用Gabor小波系数表示人脸特征.然而,提取的人脸Gabor特征是高维数据,不可避免存在冗余和随机噪声的干扰.为了有效利用Gabor特征进行人脸识别,提出一种新的Gabor特征选取方法.首先计算训练集上的任两张人脸图像的Gabor特征差,生成类内空阃和类外空间.用单个Gabor特征训练筒单两值分类器,以其在类内空间和类外空间的分类错误率作为判据评价该Gabor特征的分类能力.在选取分类错误低的特征的同时还要再评估候选特征与已选特征间的互信息,这样优选出具有无冗余、低误差率的特征.最后对这些优选的Gabor特征进行主成分分析和线性判别分析完成人脸识别.在CAS-PEAL大型人脸数据库上的实验结果表明,所提出的方法不但可大大降低Gabor特征的维数,而且还有效提高了识别精度.     

面向网络身份认证的人脸识别研究

网络身份认证是网络安全的第一道防护措施,以如何确定用户的身份并控制其对网络资源的访问作为研究对象,并且是网络安全体系的基础。针对网络身份认证的安全问题,研究基于人脸特征的认证模型,并对人脸识别的关键技术(PCA和SVM)进行讨论分析,使用RSA算法对传输过程中的数据进行加密。系统分析研究表明,该方法具有较高的识别率,系统具有可行性,能够应用于网络身份认证。     

一种基于自适应遗传策略的特征选择算法

以欧氏相似测度散布矩阵为特征评价准则,以特征向量为基因构造二进制染色体码串,研究了一种基于自适应交叉/变异算子模型的遗传搜索算法.测试结果表明,对于解域空间具有非连续、多峰、含噪声特征的一类特征选择问题,该算法具有很强的鲁棒性,且能够以满意的概率收敛于全局满意解.     

垃圾邮件过滤中特征选择方法研究

文章对垃圾邮件过滤中的特征选择问题进行了研究,引入词共现模型考虑词语之间的语义联系信息,和传统的信息增益特征选择方法结合表示邮件,采用神经网络方法对邮件进行分类得到垃圾邮件过滤器.实验表明,文章提出的将词共现对和信息增益结合的特征选择方法能够提高垃圾邮件过滤的精确度.     

一种属性选择方法FS-IV的研究

数据挖掘所面对的数据常具有属性冗余、包含噪音等特点,使得更注重训练数据质量的分类模型训练周期变长、精度下降。因此,如何选择有效的属性集以约减数据规模,提高分类模型性能具有重要意义。文章将IV模型用于属性选择,提出了基于IV指标的属性选择算法FS-IV,该算法仅需一遍扫描计算出所需的相关统计量,解决了传统属性选择方法处理较大规模数据时空效率不高的问题。实验表明,FS-IV属性选择方法时空性能良好,对冗余、噪音属性均有较好的区分能力,能够有效地约减数据规模。     

基于人体骨架特征学习的动作识别

动作识别是计算机视觉研究中的一个基本但具有挑战性的问题.在过去的几年中,许多基于RGB视频的识别技术已经得到了巨大的发展,并取得了显著的成果.但是,处理RGB视频可能非常耗时.其中,在动作识别领域,人体骨架数据具有轻量级的特点,同时对人体外观、环境背景等信息具有不变性,因此,这种数据模态受到了越来越多的关注.然而,基于人体骨架的动作识别面临两个问题:人体骨架数据的噪声问题和数据标注的依赖问题.噪声问题是指骨架数据中存在噪声影响数据的准确性,而数据标注依赖问题则是指在监督学习中,需要大量的标签数据进行训练.本文针对人体骨架数据在采集中的噪声问题,提出了一种基于噪声适应的动作识别模型,设计了回归模型和生成模型充分利用不同场景下的噪声数据特点.并且针对人体骨架数据过于依赖标签数据,利用自监督学习方法,提出了一个基于多任务自监督学习的动作识别方法.     

用于去除心电信号工频干扰的多阶自适应滤波器阶数确定策略研究

工频干扰是微弱生物信号采集过程的常见噪音源之一,特别会造成像心电之类信号的信噪比的显著下降.自适应滤波技术对于去除心电信号工频干扰噪音有着显著的效果,但自适应滤波技术中的自适应滤波器阶数确定是关键问题.本文提出了多阶自适应滤波器中适于去除心电信号的阶数选择策略.在以单路正弦波为模拟工频干扰信号源进行实验中,根据提出的阶数选择策略,确定5阶自适应滤波器对心电信号的工频干扰有着明显的抑制效果.同时,实验还证明,与自适应滤波器中的对消器相比,策略所确定的5阶自适应滤波器具有更快的收敛速度,并且还能在工频波动处取得更好的处理增益.     

PCA和粗糙集的联合自寻优特征选择在人脸识别中的应用

在人脸识别中,基于PCA和粗糙集的联合自寻优特征选择算法首先利用PCA对人脸图像进行人脸特征的提取和约简,在此基础上利用粗糙集的自寻优约简方法进一步得到能充分体现人脸信息的最小人脸特征集合。实验证明此算法应用于人脸识别中不仅大大减少了特征的数量以及分类过程中的运算量,还有效的提高了人脸识别的正确率和减少了识别时间,并且对于一定范围内的不同取样的训练具有一定的稳定性。     

Mobile-Customer Identity Recognition

By utilizing artificial intelligence and pattern rec ognition techniques, we propose an integrated mobile-customer identity recognition approach in this paper, based on cus tomer＇s behavior characteristics extracted from the customer information database. To verify the effectiveness of this approach, a test has been run on the dataset consisting of 1 000 customers in 3 consecutive months.The result is compared with the real dataset in the fourth month consisting of 162 customers, which has been set as the customers for recognition. The high correct rate of the test （96.30%）, together with 1. 87% of the judge-by-mistake rate and 7.82% of the leaving-out rate, demonstrates the effectiveness of this approach.     

基于统计特征融合的人脸识别

从理论上分析了PCA分析的主元特征向量仅仅表示了图像的整体信息,不能表示图像的微小变化,而非零最小特征向量仅仅反映了图像的细微变化,将主元特征向量和非零最小特征向量进行有机的结合,并用于人脸统计识别. 试验结果表明,本文介绍的方法比PCA的人脸识别方法优越, 在一定程度上克服了人脸姿态表情的影响.