李红红
- 作品数：6 被引量：28H指数：4
- 供职机构：燕山大学电气工程学院生物医学工程研究所更多>>
- 发文基金：国家自然科学基金中国博士后科学基金河北省自然科学基金更多>>
- 相关领域：医药卫生电子电信自动化与计算机技术更多>>
- 针对个体差异的心理压力评估被引量：4
- 2014年
- 慢性心理压力会带来一系列的病理、生理风险,直接影响健康。有效地评估心理压力,一直是心理压力研究中的热点问题。在心理压力评估过程中,个体差异是影响评估效果的关键。本研究针对评估心理压力/非压力反应中个体差异问题,以表面肌电信号作为评估参数,以高校即将毕业的学生人群为对象,提出了一种改进的支持向量机心理压力评估算法。算法通过对样本聚类,并将聚类信息赋予支持向量机的损失函数,实现训练样本的筛选,针对筛选后出现两类样本不平衡问题,为损失函数赋予权重来降低分类器的预测倾向性,减少训练模型的误差,补偿不平衡样本数据所造成的影响。心理压力评估分类正确率由改进前的70.34%,提高到79.31%,算法运行时间由改进前的2026.5 s减少到541.3 s。结果表明,该算法可以有效地解决个体差异对于心理压力评估效果的影响,同时降低了分类器的计算复杂度,为心理压力评估中个体差异研究提供一种可行的方案。
- 李昕张云鹏李红红陈泽涛应立娟吴水才
- 关键词：肌电SUPPORTVECTORMACHINE
- 基于时-频-空间域的运动想象脑电信号特征提取方法研究被引量：7
- 2014年
- 脑机接口(BCI)是在人或动物脑与外部设备间建立的直接连接通路,信号分析功能模块是其核心部分,其中特征提取算法的效果如何是脑电图(EEG)信号分析算法的关键。EEG信号本身信噪比低,传统的EEG特征提取方法存在着缺少空间信息,需要的特征量个数较多,分类正确率低等不足。针对以上问题,本文提出了一种基于小波和独立分量分析(ICA)的时间-频率-空间EEG特征的提取方法,分别用离散小波变换(DWT)和ICA提取时频域特征和空域特征。并用支持向量机(SVM)和遗传算法(GA)相结合的方法对提取的特征进行分类。实验对比结果表明,所提出的方法有效地克服了传统的时频特征提取方法空间信息描述不足等问题,对于2003年BCI竞赛数据datasetⅢ分析,最高分类正确率为90.71%。
- 王月茹李昕李红红邵成成应立娟吴水才
- 关键词：脑电图特征提取独立分量分析小波变换支持向量机
- 情感计算——一个探索人类情感的神秘工具被引量：5
- 2013年
- 知、情、意是人类三种基本的心理功能,分别是对三种不同性质的事物的主观反映,三者共同构成了人类心智活动的基础。情感作为人类意识的重要组成部分,是人类认识世界、反映世界的特殊方式。情感计算是关于情感机制、情感产生以及影响情感因素的研究,是实现人工智能的基础,其研究内容涉及认知科学、心理学、生理学、行为学、传感器技术、计算机科学等,是一个多学科交叉的研究领域。本文从情感产生与作用机制出发,综述了情感信息的获取、情感建模、情感理解、情感表达等情感计算的核心研究内容,并就最新的研究进展与应用前景进行了讨论。希望藉此工作,更好地探索与了解情感计算基础理论,使更多的研究人员能深入到这一探索人类情感的神秘工具——情感计算的研究工作中。
- 李昕李红红窦祎侯永捷李长吾
- 关键词：情感计算情感建模情感识别情感表达
- 脑电数据分析方法及其在压力情感状态评估中的应用
- 长期的压力状态，容易导致各种疾病，情感应激状态评估是合理和有效的压力干预基础。本文以压力情感评估为研究目标，充分利用脑电数据中蕴含丰富情感信息的特点，结合复杂度、熵理论以及多重分形方法，实现了压力情感状态的分析评估，设计...
- 李红红
- 关键词：脑电情感识别近似熵
- 文献传递
- 基于复杂度熵特征融合的高压力人群情感状态评估被引量：5
- 2013年
- 长期处于压力状态容易引发各类疾病,合理有效的情感压力状态评估是进行压力情感干预的基础。脑电数据含有丰富的情感信息,针对脑电数据的压力情感特征提取问题,提出一种基于Kc复杂度、小波熵与近似熵相结合的脑电数据的压力情感特征提取方法,以Kc复杂度因子来量化脑电数据的随机程度,以小波熵和近似熵参数分别在时域和频域来量化脑电数据的复杂程度与能量分布;采用遗传算法进行全局寻优,按适者生存的原则进行支持向量机参数的选择、交叉、变异,以此优化的支持向量机融合3类不同层次的特征参数,实现压力情感状态评估。以"切水果"游戏作为压力源,采集8名被试共92组脑电信号,基于该算法来分析被试者的压力状态,最高识别率为94.12%,平均识别率82.06%。研究表明,不同脑区对压力敏感程度不同,左半球相对右半球来说,压力感受敏感。希望通过此工作,可以帮助人们有针对性地采取相应措施缓解压力,恢复身心健康。
- 李昕李红红李长吾
- 关键词：脑电近似熵
- 一种电阻抗频谱法自动诊断乳腺组织疾病优化算法研究被引量：5
- 2013年
- 乳腺组织疾病早期诊断具有十分重要的意义,基于电阻抗频谱法进行乳腺组织疾病早期诊断是近年来发展起来的乳腺临床检查技术,具有成本低、无损害、无创伤等优势。本研究采用电阻抗频谱法测量的64位妇女,106个乳腺样本的电阻抗特性数据,基于神经网络与支持向量机实现乳腺组织疾病的早期自动诊断。针对传统神经网络的过拟合问题,网络初始参数如何确定问题,以及支持向量机(SVM)分类器的惩罚因子C与核函数g如何有效确定问题,采用遗传算法全局寻优的方式,按适者生存的原则,进行参数的选择、交叉、变异,直到收敛到最适应环境的"染色体"上,即得到问题的最优解,从而实现网络权值与阈值以及SVM惩罚因子与核函数的参数寻优。改进后的算法诊断识别率分别由优化前的61.92%和51.92%,提高到优化后的76.15%和68.08%,为乳腺组织疾病的早期自动诊断提供了一种有效的参考方法。
- 李昕李红红李丛李长吾
- 关键词：遗传算法支持向量机BP神经网络
