双谱估计在中医脉象信号分析中的应用

根据脉象信号的非高斯随机特性,应用双谱估计对其进行分析,旨在提取吸毒者脉象信号的异常信息,并得出初步区分正常人与吸毒者的判断依据．在信号处理过程中,双谱的相位携带有脉象信号的重要特征信息．采用双谱估计分析法中的非参数化间接算法对15例海洛因吸毒者和15例正常人的脉象信号进行了分析,提取出双谱估计的平均相位值,发现吸毒者脉象信号在特定频率区域内的平均相位值Ph一般低于正常人的Ph值．以平均相位值作为判断正常人和吸毒者的特征参量,提出了用于划分正常人和吸毒者的临界参数,据此15例正常人全被检测出来,但有1例吸毒病人被误判．研究结果表明．非参数化双谱估计是分析脉象信号的有效且可行的方法．     

连续小波变换在中医脉象信号处理中的应用

小波变换具有良好的时频局域化性质,适合于非平稳信号的处理。脉诊是中医诊察疾病的重要手段,脉象反映的是人体的生理与病理信息,脉象信号具有随机性和非线性等特点。应用连续小波变换分析了15例海洛因吸毒者和15例正常人的脉象信号,提取了吸毒者脉象信号中的异常信息,为戒毒治疗的评估与改进提供客观依据。在尺度0.1、0.2、0.3和0.4下,对每一例脉象信号分别进行了处理,发现在0.2-0.4s时间间隔内,海洛因吸毒者和正常人脉象信号的连续小波变换系数间存在显著差异,并提出了用于划分海洛因吸毒者一正常人的临界参数。研究结果表明,连续小波变换是处理脉象信号的有效方法。     

小波变换在吸毒者脉象信号分析中的应用

根据脉象信号的随机特性,采用小波变换中的多分辨率分析算法对其进行分析,旨在提取海洛因吸毒者脉象信号的异常信息,并得出区分正常人与吸毒者的初步的判断依据．基于小波变换的脉象信号的尺度谱携带有人体健康状况的重要特征信息．对15例海洛因吸毒者和15例正常人的脉象信号进行分析,提取出每例信号的尺度谱和该信号的总能量,发现吸毒者脉象信号在特定尺度与时间区域内的尺度谱之和（即尺度-小波能量）和该信号总能量的比值明显高于正常人．以该尺度与时间区域内的尺度-小波能量和该信号总能量之比的百分值作为判断正常人和吸毒者的特征参量,提出了用于划分正常人和吸毒者的临界参数．据此,15例正常人从30例受测者中全部被正确地检测出来,但有两例吸毒病人被误判为正常人．结果表明,该方法是检测海洛因吸毒者脉象信号异常的有效且可行的方法．     

小波尺度谱在吸毒者脉象信号检测中的应用

定义了离散时间信号的低频尺度谱、高频尺度谱和小波包变换的尺度谱,从而为尺度一小波能量谱赋予明确的物理意义.借助Mallat算法和小波包变换算法分别对15例海洛因吸毒者和15例正常人的脉象信号进行了分析,发现吸毒者的脉象信号在特定区域内的尺度-小波能量与该信号总能量的比值明显高于正常人的对应值.将该比值作为判断正常人和吸毒者的特征参量,提出了用于划分正常人和吸毒者的临界参数.据此,15例正常人从30例受测者中全部被正确地检测出来,但在每一种小波变换算法中均有2例吸毒病人被误判为正常人.研究结果表明,文中的两种分析方法都是检测海洛因吸毒者脉象信号异常的有效且可行的方法.     

吸毒者脉象信号的小波与神经网络分析

海洛因吸毒者与正常人脉象信号最显著的区别在于作为时间函数的幅度波形.两者在某特定的时间区域内的幅值及其变化速率均呈现显著的差别.然而,由小波变换所得的脉象信号尺度系数的子分量和小波系数的子分量恰好可以揭示这样的关键特征.应用小波变换的多分辨率分析法对15例海洛因吸毒者和15例正常人的脉象信号进行分析,利用db2正交小波对每一例脉象信号进行3层分解,取出第3层尺度系数的第6个分量和第3层小波系数的第2个分量的绝对值构成特征向量.设计具有良好性能的概率神经网络对获得的30个特征向量进行自动检测.在网络的设计中,取20个特征向量作为训练样本,另外10个作为测试样本.据此,15例正常人和15例吸毒者全部予以正确地检测出来,检测率达到了100%.     

中医脉象信号的短时傅里叶分析

众所周知,短时傅里叶变换是信号时频分析的变换方法。连续短时功率谱表示信号在连续时间与连续频率平面内的能量分布,而离散短时功率谱表示信号x(n)在离散时间与连续频率平面内的功率分布。应用全极点滑动窗递归算法,分析了15例吸毒者和15例正常人脉象信号的离散短时功率谱,发现吸毒者脉象信号在特定时频区域内的平均功率值P1一般高于正常人的值。以平均功率P1与总平均功率P的比值为特征参数,提出了用于划分正常人和吸毒者的临界参数,据此15例吸毒者全被检测出来,但有两例正常人被误判。研究结果表明,短时傅里叶变换是分析脉象信号的有效方法。     

吸毒者脉象异常的现代谱分析法

采用PVDF脉搏传器,将采测者左手官位的脉象信息采集到计算机中,并以数据文件格式存储。利用现代谱分析法,随机选取受测者40个连续心动周期的脉象信号,分别对每一心动周期的脉象信号作现代功率谱估计到40幅功率谱图,取其平均值得到平均功率谱。从平均功率谱图中可以看出,吸毒者和正常人的分布有显著差异,将平均功率谱图中的频率轴0－20Hz分为7个频段,对每一位受测者的平均功率谱计算特定频段上的功率分布,从而获得用以多区分吸毒者和正常人的初步判据。将此判据用于30例受测者,其中15例的海洛因成瘾者,另15例为下人,区分吸毒者与正常人的正确率为93．3％,研究结果表明,现代谱分析法是分析吸毒者脉象异常的有效手段。     

人工神经网络在海运量预测中的应用

人工神经网络是一种模仿动物神经网络行为特征,进行分布式并行信息处理的数学模型,广泛应用于自动控制、模式识别等领域.本文首先简单的介绍了人工神经网络的相关理论,接着重点分析了BP神经网络预测应用的基本原理,并通过某货物海运量的实例建立BP神经网络时序模型预测未来运量,最后对预测结果和BP网络结构性能进行分析.     

改进型人工神经网络在暂态电能质量检测分类中的应用

电能质量分为稳态和暂态两大类。针对暂态电能质量信号因随机性、持续时间短、非平稳特性而使得信号的识别较为困难的问题,本文提出了一种改进型BP神经网络,对暂态电能质量进行有效的识别和初步分类。通过MATLAB仿真,获得了良好的识别分类效果。     

人工神经网络在河道水量还原计算中的应用

介绍了以水量平衡和降雨与径流相关关系为理论依托的河道水量还原计算的一些传统方法。在充分理解河道水量形成机理与人工神经网络原理的基础上,将人工神经网络BP算法运用于河道水量还原计算。以英国英格兰西北部IRWELL流域为例作了检验,实践证明,在没有充足资料的情况下,将人工神经网络BP算法用于河道水量还原计算中,能够较准确的演算出河道径流的形成机制,为资料匮乏地区的河道水量还原计算方法的研究提出了新的方向。     

基于VB的BP算法描述

BP网络具有结构简单、技术成熟的优点,在很多领域都有广泛的应用。介绍了BP算法的数学表达,并用VB对BP算法进行了具体描述,包括BP算法的初始化、隐含层与输出层之间权系数的更新、主程序等。     

改进的反向传播学习算法

采用了激励函数可调的多层神经网络,并对BP算法进行了改进。     

混合遗传BP算法在图象识别中的应用

介绍了传统的遗传算法与BP算法,分析了它们各自的不足. 提出了一种将BP算法与遗传算法有机结合的混合智能计算方法,并且给出了具体的算法实现流程.将该方法应用于数字图象识别, 实验表明混合算法优于传统BP算法.     

BP神经网络拟合平稳跟踪眼震信号

在前庭功能检查中,要对平稳跟踪信号进行分析,必须先对实验者的跟踪数据信号进行曲线拟合。由于BP神经网络可以实现输入和输出间的任意非线性,使得它在函数逼近上有广泛的应用。因此本文用BP神经网络对平稳跟踪信号进行曲线拟合。对网络的训练方法采用贝叶斯正则化算法。实验表明,拟合的曲线和正弦曲线基本吻合,尽可能的通过了样本点,也排除少数点的干扰。     

BP网络的最大误差学习算法*

综合了标准ＢＰ算法与“批处理”ＢＰ算法的各自特点,提出了一种新的ＢＰ网络的学习算法,该算法既具有“批处理”ＢＰ算法收敛时迭代次数少的优点,又能克服“批处理”算法对大样本集进行学习时每次计算量较大且收敛时间长的缺点,该算法具有“批处理”算法同阶的迭代次数,但每次迭代所需计算工作量大约是“批处理”算法的样本几分之一。     

基于遗传算法径向基神经网络的交通流预测

为提高径向基（RBF）神经网络预测模型对交通流预测的准确性,提出了一种基于遗传算法优化径向基神经网络的交通流预测方法。利用遗传算法优化径向基神经网络的权值和阈值,然后训练RBF神经网络预测模型以求得最优解,并将该预测方法与RBF神经网络和BP神经网络的预测结果进行对比。仿真结果表明,该方法对交通流具有较好的非线性拟合能力,预测精度高于径向基神经网络和BP神经网络。     

基于RBF神经网络的跳频信号频率预测的研究

提出了一种跳频信号频率预测的解决方案——RBF神经网络．比较了BP神经网络和RBF神经网络在跳频信号频率预测中的性能差异．应用MATLAB针对一伴有随机噪声的信号进行了仿真实验，证明了该理论的可行性与优越性。     

基于改进BP算法的电力系统谐波分析

在选取BP神经网络对谐波进行分析时,考虑到BP网络存在的缺点和不足,对BP网络进行改进。通过把FFT和改进的BP网络结合起来,实现对谐波的实时分析。该方法先对采样信号进行FFT运算实现预处理,得到谐波个数和谐波次数;然后根据谐波的个数来确定神经元的个数,通过谐波次数设定神经网络参数迭代的初始值;最后对改进的神经网络进行训练,可以实现谐波的精确分析。所提出的BP改进算法有效地提高了谐波分析的精度,实时性也得到了改善。     

多层神经网络BP算法的改进

多层神经网络ＢＰ算法的改进姚瑞波孙国雄汤崇熙（东南大学机械工程系，南京２１００１８）目前，前馈型多层神经网络模型已广泛应用于模式识别、语音识别、数据压缩等领域．ＢＰ算法作为其学习方式有效地解决了ＸＯＲ、Ｔ－Ｃ匹配问题，但ＢＰ网络的学习过程是对一个高...     

主成分分析方法在BP学习中的应用

用主成分分析的思想解决BP算法中的两个问题．一是隐层中神经元的个数,另一个是训练的初始参数．为了便于比较,采用来自武汉同济医院的58个样本作为学习对象．通过实验比较得知,改进后的算法不仅节省了训练时间,而且能够得到更好的学习效果．