基于SRML的QSIM模型表示

基于web的建模与仿真研究需要满足web开发的基本要求,即模型和仿真过程能够在万维网(WWW)上以标准的形式被服务、接收和处理。本文在现有仿真参考标记语言(SRML)和仿真参考仿真器(SRSimulator)的基于web的仿真技术基础上,提出了基于web的QSIM模型表示方法,在QSIM算法的输入模型和SRML之间建立了映射关系,并构造了基于web的定性仿真框架。     

时间序列重构相空间中系统定性行为建模与仿真

提出了一种以重构相空间为基础,从实验时间序列研究未知系统动力学的新方法.定义了重构相空间中系统定性状态和定性行为的概念,根据系统动力学特性对模糊聚类方法进行改造,用于自动提取系统的定性状态.基于这些定性状态,给出了系统定性行为的两种表示方法:时序定性状态图和定性状态转移图.分别运用Lorenz系统产生的时间序列和癫痫脑电时间序列对提出的方法进行仿真实验,结果表明,该方法能有效提取系统的定性状态,每个定性状态中的向量之间具有高度的相似性.系统定性行为的两种表示方法均能准确地刻画系统行为中的非线性动力学特征.     

基于非线性动力学和GA-MLPNN的ECoG信号分类

为了对脑-计算机接口(BCI)中不同思维任务下的皮层脑电(ECoG)信号进行分类,提出了基于遗传算法(GA)和多层感知器神经网络(MLPNN)的混合方法.用GA方法优化ECoG通道选择,使得选择通道数最小而分类性能最大.使用误差反馈传播(EBP)算法作为MLPNN的学习机制.实验表明,用排列熵(PE)和Hurst指数刻画ECoG的非线性动力学特征具有较好的计算性能和区分能力,故选择这两个特征量进行通道选择和分类处理.分析结果显示,通过使用选择的15个通道进行分析所得的平均分类率为87%,而使用全部的64个通道的结果仅为79%.