浙江省科技厅新苗人才计划(2009G60G2040018)
- 作品数：3 被引量：5H指数：1
- 相关作者：杨文伟杨勇范影乐李轶杨陈更多>>
- 相关机构：杭州电子科技大学更多>>
- 发文基金：浙江省科技厅新苗人才计划国家自然科学基金更多>>
- 相关领域：医药卫生自动化与计算机技术更多>>
- 基于关联维数的神经元动作电位特征提取与分类研究被引量：1
- 2011年
- 神经元动作电位模式分类是动作电位序列分析和解码的基础。由于神经元动作电位信号波形隐藏着动作电位的特征信息,而关联维数是度量波形不规则程度的一种手段,因此基于神经元动作电位信号的波形差异,提出一种基于关联维数对神经元动作电位进行特征提取的新方法。首先,对采集到的神经元动作电位信号进行相空间重构;然后,在重构的相空间中,以关联维数作为对非同源动作电位信号的特征进行描述;最终,结合K均值算法,对神经元动作电位实现无监督模式分类。仿真和真实数据实验结果表明:该方法分类的准确率较高,且稳定性较好,仿真数据分类错分率基本稳定在4.9%以内,真实数据的分类能较大程度地贴近人工分类的结果,因此用来代替人工分类具有一定的可行性。
- 詹跃荣范影乐杨文伟杨勇李轶
- 关键词：关联维数相空间重构K均值
- 基于小波特征与动态高斯混合模型的动作电位分类研究被引量：4
- 2011年
- 提出了一种结合小波时频特征提取以及动态高斯混合模型模式分类的动作电位分类新算法,以实现植入式脑电研究中非同源动作电位的非监督聚类。在阈值法检测动作电位信号的基础上,采用sym5小波变换基函数提取各个动作电位的时频特征,以提高动作电位信号在高频突变阶段的时间分辨率;考虑到动作电位信号的非平稳特性,对时频特征序列进行了分帧处理,然后分别采用高斯混合模型和贝叶斯网络模型对帧内和帧间数据进行建模,从而实现了基于动态高斯混合模型的动作电位模式分类。实验结果表明,该方法的分类性能抗干扰性及可靠性较好,仿真数据的错分率基本稳定在8.44%以内,真实数据的分类结果能较大程度贴近人工分类的结果。
- 丁颖范影乐杨勇杨文伟杨陈
- 关键词：高斯混合贝叶斯网络
- 基于奇异谱熵的神经元峰电位分类技术研究
- 2011年
- 目的实现神经元峰电位(spike)的准确检测和分类,为神经信号的后续分析和解码提供前提条件。方法采用改进的阈值法,从植入式多电极阵列采集的含噪神经电信号中检测出有效的峰电位;并提出利用奇异谱熵,来描述在奇异值分解下峰电位特征;通过Kolmogorov-Smirnov检验降低特征维数,采用交互式方式挑选聚类性能较佳的二维特征向量;最后结合C均值聚类算法实现峰电位分类。结果本文提出的峰电位奇异谱熵特征使多组仿真和真实神经电生理信号获得了较为理想的聚类效果,且仿真数据分类准确率几乎都达到98%以上。结论基于奇异谱熵的峰电位特征提取,能够较好地表达和区分各类别峰电位的动态特性,可以作为峰电位有效的分类依据。
- 钟华范影乐杨勇杨文伟李轶
