薄层扫描法测定脑力宝丸中维生素E的含量

用薄层扫描法测定维生素E的含量，方法简便、快速，结果准确，可作为控制品质量的方法。     

基于多生理信息迁移学习的脑力负荷分类

在复杂的人机系统中,保持对实验人员脑力负荷状态的监测对于维护人机系统的安全、高效运行具有极为重要的理论和应用意义。针对现有脑力负荷分类方法识别率低及实际应用时测试样本数据偏移问题,提出了采用迁移学习及脑电和心电特征融合的脑力负荷分类识别方法。基于多任务航空情境操作的MATB-II平台同步采集12名健康受试者的脑电信号和心电信号,分别从时域和频域上提取各生理信息特征并进行融合,在此基础上引入迁移学习,基于迁移成分分析(transfer component analysis, TCA)方法进行特征空间变换,实现源域和目标域的边缘分布适配,并进行脑力负荷分类。实验结果表明,基于多生理信息特征融合识别率高于传统脑力负荷识别方法,使用迁移学习可取得较高的识别准确率,为多生理信息脑力负荷分类研究提供了新方法。     

浅谈如何做好电视新闻编辑工作

论述了电视新闻编辑的工作性质与工作重点.并从6个方面分析讨论了如何才能做好电视新闻编辑工作,结合工作实际,提出一些建议.     

浅谈如何做好电视新闻编辑工作

论述了电视新闻编辑的工作性质与工作重点,并从6个方面分析讨论了如何才能做好电视新闻编辑工作,结合工作实际,提出一些建议。     

民机驾驶舱人机交互脑力负荷预测模型

针对民机驾驶舱人机交互中飞行员脑力负荷问题,设计不同难度的人机交互飞行实验任务,分析飞行作业过程中飞行员脑力负荷在评估指标上的变化.在此基础上,提出一种新的改进的多元线形回归方法,探索人机交互中飞行人员脑力负荷变化预测模型的构建方法.结果显示:飞行作业过程中脑力负荷在反应时间、正确率、NASA-TLX、SDNN 4个评估指标上变化显著;在RRI Count、Max RRI、Minimum RRI、Mean RRI、Max/Min 5个评估指标上变化不显著.改进的多元线形回归模型可对不同飞行难度下个体脑力负荷水平进行预测和等级划分,平均预测准确率为87.5％.提出的预测模型与实测数据吻合性较好,能够较准确地反映民机驾驶舱人机交互中飞行员脑力负荷变化特性,可为未来民机驾驶舱人机交互中工效学评价与优化设计提供依据.     

应用脑力负荷测量的设计能力评价方法

分析了设计能力与脑力负荷、设计时间和设计效果之间的关系,提出了定量评价的方法.参试者脑力负荷由NASA-TLX(national aeronautics and space administration-task load index)量表测量,设计时间由专门开发的程序统计,设计效果通过专家打分给定分值.基于所评价出的设计者的能力等级,采用支持向量机技术对新设计任务的设计时间进行了预测.预测值和实测值的对比结果显示二者没有明显差异,说明该方法所评价的设计能力等级是有效的.     

考虑人因的多目标拆卸线平衡问题建模及优化

针对实际拆卸线中依旧以人工拆卸为主、工人的体力和脑力负荷会极大影响拆卸效率、超负荷工作更会损害工人的身心健康问题,提出了考虑人因的多目标拆卸线平衡问题模型,通过以最小化工作站数目、空闲时间均衡指标和能量消耗指标为优化目标构建数学模型．基于问题特征,设计了改进天牛群算法,通过引入浓度探测操作、步长移动操作和变异操作增强算法的寻优及收敛性能,利用帕累托(Pareto)解集思想和拥挤距离机制筛选获得多个非劣解．将所提模型和算法应用于打印机拆卸实例中,用该算法和多种算法分别进行求解,通过结果对比验证了模型和算法的适用性及优越性,得出多个具有人性化、合理且高效的拆卸分配方案供决策者选择．     

中年脑力工作者心肺机能分析及其干预

中年脑力工作者是国家的栋梁，作为社会上一个有代表性的群体，对他们的心肺功能进行深入的研究，并根据结果制定出科学的、有效的锻炼方法具有实际意义。从天津市中年脑力工作者入手，测试其心肺功能，并对其心肺功能所出现的结果进行深入、具体的分析，为以后的大众健身、科学研究提供依据。     

基于验证集辅助的脑电信号包裹式降维

当今时代信息技术的高速发展促使人们对人机交互领域投以更多的目光,随时监测操作者脑力负荷情况并依此对操作者的任务工作量进行调整,在当下有着重要意义。有研究表明,脑电信号功率谱密度对于脑力负荷分类任务较为适用,但脑电特征维数较高,极易出现维度灾难。目前机器学习中降维方面应用最广泛的算法为主成分分析(principal component analysis, PCA),针对主成分分析在脑电信号分类上的不适应性和支持向量机(support vector machine, SVM)对特征间关系的敏感性,提出了基于PCA-SVM与逐阶枚举法的包裹式降维方法,在特征工程阶段引入固定验证集概念辅助包裹式降维,以验证集精度为指标调整特征工程方案,以此提高数据降维后的可分性。由于引入了监督学习概念,实验结果表明,基于PCA-SVM与逐阶枚举法降维过后的数据分类精度要普遍高于只依靠传统PCA的降维方式,以此为高维生物电数据降维提供了新思路。