张文佳
- 作品数：3 被引量：8H指数：1
- 供职机构：中南民族大学更多>>
- 发文基金：国家自然科学基金江西省自然科学基金江西省教育厅科学技术研究项目更多>>
- 相关领域：医药卫生更多>>
- 基于P300和极限学习机的脑电测谎研究被引量：7
- 2014年
- 极限学习机基于一种典型的单隐层前馈神经网络(SLFNs),其有效性在模式识别很多领域得到证实。该文针对当前的测谎方法的准确率不够高及训练时间较长的缺点,将ELM算法应用到测谎研究领域,作为分类器,对说谎者和诚实者的两类脑电信号进行分类识别,并将实验结果和三类典型的分类器:支持向量机(SVM)、人工神经网络(ANN)和线性分类器(FDA)的分类结果进行比较。实验结果表明,该方法不仅获得最高的训练和测试准确率,而且训练时间也大为缩短,证明了该方法的测谎有效性。
- 高军峰张文佳杨勇胡佳佳陶春毅官金安
- 关键词：脑电极限学习机测谎神经网络P300支持向量机
- 基于主成分分析和极端学习机的测谎方法研究被引量：1
- 2014年
- 为了克服当前基于P300的测谎方法训练时间长、个体识别准确率不够高的缺点,提出了将主成分分析(Principal component analysis,PCA)和极端学习机(Extreme Learning Machine,ELM)相结合的PCA_ELM测谎方法.该方法使用典型的三刺激测谎范式,记录30名随机划分的撒谎和无辜者在Pz电极上的脑电(EEG)信号,选择探针刺激响应并对每名受试者的每5个响应波形进行平均,然后对两类信号提取小波特征.PCA被用于对原始特征空间进行特征选择.降维后的特征样本被送到ELM分类器,该分类器学习速度快,泛化能力强,但是对于其隐层节点数的指定一直未有有效的解决方法.我们通过对特征子空间的维数和ELM的隐层节点数进行二维的网格搜索算法,基于交叉验证的方法,对两个参数进行同步优化选择,训练得到最佳参数下的分类模型.实验结果表明,提出的PCA_ELM方法不仅在训测谎准确率上高于当前的广泛使用的分类模型,而且训练时间大大缩短,尤其适合于在线的测谎系统.
- 高军峰张文佳杨勇马君君官金安
- 关键词：脑电测谎极端学习机主成分分析P300支持向量机
- 基于主成分分析网络与支持向量机的肺结节辅助诊断
- 近年来，随着雾霾和空气污染的严重，肺癌已经成为我国发病率和死亡率第一的致死癌症。广泛和多样的诊断手段对于肺部癌症的诊断是重要、急迫的。对于肺癌的诊断，诊断出早期的癌症是至关重要的，肺癌的早期表现是肺结节组织的出现。然而，...
- 张文佳
- 关键词：肺腺肿瘤数据处理支持向量机
- 文献传递
