基于脑电功能连接微状态序列递归分析的情绪解码模型

脑电微状态代表准稳定的全局神经元活动，被认为是大脑动力学的构建模块，而基于微状态概率统计的特征不能很好表征脑电的动态变化特性。针对该问题提出了基于脑电微状态序列递归分析的情绪解码模型。该模型通过聚类从脑电功能连接模式中提取出具有代表性的微状态典型模式，将原始脑电信号映射为微状态时间序列，构建递归图表征脑电动力学特性，并利用卷积神经网络对递归图实现情绪解码。在公开的脑电情绪数据集(DEAP)上的实验结果表明该模型实现了比传统微状态方法更好的情绪解码效果。     

基于区间数的飞机生存力评估方法

针对飞机生存力评估的必要性以及生存力评估中存在的模糊性和不确定性,提出了一种基于区间数的飞机生存力评估方法。从敏感性、易损性和作战能力3个方面构建了飞机生存力评估指标体系,基于区间层次分析法和信息熵法得到了飞机生存力的区间数形式的指标权重,利用权重系数法建立了飞机生存力的评估模型,最后进行了实例计算。结果表明,该方法能够较好地解决生存力评估中存在的模糊性和不确定性问题,从而使评估结果更客观。     

基于语音音素后验概率图关键特征提取的中文方言识别模型

不同方言对相同字的发音往往有所不同，因此不同方言所包含音素的概率分布存在较大差异，这是方言差异性的重要体现。为了充分利用这一差异性，提出了基于音素后验概率图分析的方言识别模型，该模型引入Convolutional Block Attention Module(CBAM)的提取音素后验概率图关键特征，并利用Emphasized Channel Attention-Propagation and Aggregation in TDNN(ECAPA-TDNN)模型对其进行聚合和注意力池化得到句子级特征。为进一步提升类间距离，引入了Additive Angular Margin(AAM)损失。实验结果表明，该模型取得了比传统模型更高的分类准确率，并且以上改进均对准确率提升有所贡献。