摘要：阻塞性睡眠呼吸暂停容易引发心血管并发症。作为睡眠呼吸暂停诊断的金标准,多导睡眠仪的检测费用昂贵且影响患者睡眠质量。鉴于心肺高度耦合,心电信号已被广泛应用于睡眠呼吸暂停检测中。然而,大多数基于心电信号的研究专注于人工特征的设计,依赖于专家先验知识。基于深度学习的方法能够减少特征提取过程中的人为因素。提出一种基于自编码器和隐马尔可夫模型的睡眠呼吸暂停检测方法。首先,利用栈式稀疏自编码器,直接从RR间期序列中进行半监督特征学习,先在预训练阶段进行无监督学习,随后在微调阶段引入标签进行有监督学习。然后,构建支持向量机和人工神经网络,分别结合隐马尔可夫模型之后,组成决策融合分类器,隐马尔可夫模型引入片段之间的时间依赖性,决策融合可整合不同分类器之间的优势。基于PhysioNet的apnea-ECG数据库70例整夜睡眠数据,实验结果显示:阻塞性睡眠呼吸暂停片段识别准确率、敏感性和特异性分别为84.7%、88.9%和82.1%,个体识别准确率达到100%。基于自编码器的特征提取方法相较于特征工程,能够降低先验知识限制,使特征提取过程更加自动化、智能化。此外,决策融合分类器相较于单一分类器,不仅可提升片段识别准确率,而且能缓解识别结果中敏感性和特异性之间的不平衡性。

摘要：针对现有的情感分析方法缺乏对短视频中信息的充分考虑,从而导致不恰当的情感分析结果。基于音视频的多模态情感分析(AV-MSA)模型便由此产生,模型通过利用视频帧图像中的视觉特征和音频信息来完成短视频的情感分析。模型分为视觉与音频2分支,音频分支采用卷积神经网络(CNN)架构来提取音频图谱中的情感特征,实现情感分析的目的;视觉分支则采用3D卷积操作来增加视觉特征的时间相关性。并在Resnet的基础上,突出情感相关特征,添加了注意力机制,以提高模型对信息特征的敏感性。最后,设计了一种交叉投票机制用于融合视觉分支和音频分支的结果,产生情感分析的最终结果。AV-MSA模型在IEMOCAP和微博视听(WB-AV)数据集上进行了评估,实验结果表明,与现有算法相比,AV-MSA在分类精确度上有了较大的提升。

摘要：特征选择是违约判别建模的重要环节,合理的特征选择方法能够简化模型结构,提升违约鉴别效果.针对新疆维吾尔自治区内中小企业财务指标数据的特殊性,文章以整体违约鉴别能力最优为导向设计了一种新的特征选择方法,使其能够综合衡量自治区内中小企业金融借贷的风险.文章收集了新疆某银行2021年部分中小企业财务指标数据,对其进行基本的数据描述性统计和缺失值填补,并通过指标预测能力分析、多重共线性诊断及特征选择方法组合,筛选出了单个指标违约鉴别能力最强与整体违约鉴别能力最优的指标组合,有助于进一步对企业的违约状态进行判别,对企业的信用风险进行评价.通过数据对违约判别模型的有效性进行验证,其分类准确率最高达到95.85%,证明了所提模型在新疆信贷评级研究应用中具有较大的潜力.

摘要：介绍了一种基于STFT ,WVD和Wavelet变换的混合神经系统在特征提取和信号分类中的应用 .它运用时频信号处理技术与混合神经网络结构以及高级训练算法相结合的设计思想 ,辅之以主元分析和全局决策融合策略 ,对传统的模式识别技术进行了有效地改进 .本文将所述基于WT ,STFT和WVD的混合神经系统信号分类器(WSWHNS)的算法程序嵌入一汽车实时智能故障诊断软件包中做了现场实验 。

摘要：为夺得决策优势,马赛克战和边缘作战应运而生.边缘指挥与控制(command and control,C2)是有效利用马赛克战兵力设计原则和实现边缘作战概念的必然选择.通过分析C2信息传递流程,提出决策融合的新理念.基于决策融合理念,提出边缘C2组织结构和中心与边缘相结合的C2组织结构.通过示例验证了该C2组织结构的科学性和可行性.

摘要：传统武器故障诊断和测试依托于人员经验和测试仪器,难以适应现代化舰船的故障测试要求。本文对大数据技术和自适应诊断测试技术进行研究,设计舰船武器智能自适应诊断测试系统,重点设计了舰船武器故障特征提取模块和诊断测试模块。使用支持向量机对故障特征进行分类,通过原始数据融合、故障特征融合以及决策融合,系统根据采集的故障特征信息可以作出综合性判断,因而具有较高的可靠性。

摘要：深度神经网络在实际应用中的局限性日益凸显,具备生物可解释性的类脑计算脉冲神经网络成为了人们研究的热点课题。应用场景的不确定性及复杂多样性给研究者提出了新的挑战,要求类似生物大脑组织具备多尺度架构的类脑计算脉冲神经网络,能够实现对多模态、不确定性信息的感知决策功能。文中主要介绍了多尺度生物合理性的类脑计算脉冲神经网络模型及其面向多模态信息表征和不确定信息感知的学习算法,并分析探讨了基于忆阻器互联的脉冲神经网络可实现多尺度架构类脑计算的两个关键技术问题,即多模态、不确定信息与脉冲时序表示一致性问题和多尺度脉冲神经网络学习算法与容错计算问题。最后,对类脑计算脉冲神经网络的研究方向进行了分析与展望。

摘要：传统的单一用户脑机接口系统识别精度低,稳定性差,在线识别难。针对这些问题,设计了一款多脑运动想象脑机接口系统。首先,使用多脑技术同步采集和处理多用户的脑电信号;然后,通过提升用户维度获取更多与任务相关的信息,从而提高运动想象脑电信号的分类精度和稳定性。在左手、右手、空闲态这3种运动想象任务下进行在线脑电识别实验,结果表明,多脑决策在线平均准确率达到66.47%,高于单脑平均准确率,验证了新型多脑运动想象脑机接口系统的可行性。

摘要：火焰检测作为火灾事件自动识别的关键技术,其检测的准确性对于火灾的事先预防和快速响应尤为重要。然而,现有方法不能有效地利用火焰的综合属性给出令人满意的检测结果。本文设计了一种基于多属性的火焰检测算法,融合火焰的颜色和运动属性,提高了复杂监控视频中的火焰检测准确率。为了利用火焰的瞬时运动特性,设计了一个基于深度运动特征的运动熵描述符表示火焰的运动属性。最后,构建了一个火灾检测视频数据集,包含371个有火和无火视频片段,其中的负样本非常具有挑战性。实验结果表明,本文方法得到了良好的火焰检测性能,检测准确度达91.18%,误报率仅为8.53%。

摘要：随着测控装备集成度的提高,单一的诊断模式已很难准确定位装备出现的故障,需要多个领域知识共同对诊断对象进行决策融合。本文根据某型测控装备实际,设计了以故障树诊断为基础的专家系统,结合博弈论相关理论对多个知识库进行诊断结果的融合。最终将诊断结果纳入装备的日常维护保养,提高了装备的综合保障能力。