摘要：采用脑电情感数据集SEED进行情感识别研究,旨在利用深度学习中的卷积神经网络(CNN)自动提取脑电样本的抽象特征,省去人工选择特征与降维的过程.首先,采用小波包变换(WPT)对脑电信号进行6级分解并构成二维结构样本;然后,通过改变网络深度设计了6个深度不同的CNN模型;最后,通过投票法与加权平均法建立集成模型,提高了识别精度.实验结果表明,本文方法对3种情感类别的平均分类精度达到了93.12%,能够满足情感识别的研究需求.

摘要：提出一种以ADS1298芯片及STM32F407为基础的心电采集与显示系统设计思路。在介绍心电信号采集基本原理的基础上,构建系统的总体框架,阐述基于ADS1298的信号采集、放大电路以及STM32F407接口电路设计,最后应用μC/GUI实现了心电信号在LCD液晶屏上的实时显示。结果表明,该系统为疾病诊断和健康监护中能应用的高精度、便携式、低功耗心电信号采集分析系统奠定了很好的基础。

摘要：针对普通机器学习算法与单源域迁移学习在应用方面的局限性,利用多源域迁移学习算法解决跨被试情感识别中正确率低的问题。为提高迁移学习的计算效率并避免负迁移现象的产生,分别从样本和特征两个方面对迁移数据进行优化。用多源域选择算法筛选出最优源域集合,用迁移特征选择算法得到最优特征集合,训练出多个迁移学习模型并对之集成。在数据集SEED上对该算法进行验证,验证结果表明,该模型相比其它情感识别模型具有更优的跨被试情感识别能力。

摘要：为提升黑色素瘤图像二分类问题的准确率,针对黑色素瘤图像中存在的有效特征不明显的问题,借鉴特征金字塔思想,提出一种改进的残差网络的黑色素瘤图像分类模型。使用迁移学习,以预训练的ResNet50模型为基础结构,利用改进的注意力机制筛选有效特征,用空洞卷积改进Inception结构并基于该结构构建额外的分支以不同方式提取并融合特征,用加权的方式把分支的特征和ResNet50模型主干提取的特征进行融合。所提模型在ISIC 2017数据集上可以取得87.8%分类准确率,表明了其对解决黑色素瘤图像二分类问题的有效性。