首页 > 文献资料
-
支持向量机后验概率方法在多任务脑机接口中的应用
基于运动想象的脑机接口是把使用者的运动意图转变成控制外部设备的信号,它包括脑电数据采集,特征提取和模式分类等几个基本环节.本研究发展了用支持向量机后验概率输出进行分类,并用分类结果中具有大概率的测试样本扩充训练集的模式分类与特征更新方法,并把此方法应用于4类任务运动想象脑机接口实验.使用BCI Competition Ⅲ的数据Ⅲa,运用一对一共空间模式扩展方法进行特征提取,用支持向量机后验概率方法进行分类和训练样本扩充.结果表明:概率信息能提高BCI的性能;应用概率信息选取样本扩充训练集能增加分类器的稳健性.
-
增量孪生支持向量机后验概率方法及脑电分类应用
目的 研究一种对多任务脑电信号进行快速识别的自适应分类算法,提高脑-机接口(brain-computer interface,BCI)系统的实用性.方法 将孪生支持向量机(twin support vector machine,TSVM)作为初始分类模型,通过后验概率输出建模方法求得新样本属于各个类别的概率,并将该样本归为概率大的类别,然后引用增量学习方法将满足一定条件的新样本加入到训练集中来更新分类模型,以新的分类模型对新增样本进行识别.结果 对2008年BCI竞赛数据集Dataset1和Dataset2a进行分类,与传统SVM和现有TSVM等方法相比,该方法降低了分类耗时,能更好地识别出多数受试者的脑电信号.结论 本文算法能提高分类器的自适应性和分类速度,为BCI系统提供了一种有效的在线识别方法.
-
贝叶斯决策分析法在某电厂输煤系统煤尘及噪声接触评估中的应用
[目的]使用贝叶斯决策分析法对某电厂输煤系统的煤尘和噪声两种职业危害因素进行接触评估,并与常规职业接触评估方法比较,探讨贝叶斯决策分析法的利弊.[方法]选择某电厂的输煤系统作为研究对象,分别使用常规职业接触评估方法和贝叶斯决策分析法对现场巡检人员煤尘(总尘)接触质量浓度(以下简称“浓度”)和噪声接触剂量进行评估.[结果]采用常规职业接触评估方法,现场巡检人员煤尘(总尘)接触浓度和噪声接触剂量的检测结果的第95百分位数分别为2.63 mg/m3和73.0％,均低于相应的职业接触限值(4mg/m3和100％),但第95百分位数的单侧95％可信上限却分别达到6.01 mg/m3和144.0％,均超过相应的职业接触限值.采用贝叶斯决策分析法,直接得出现场巡检人员煤尘(总尘)接触水平有90.7％的可能性低于职业接触限值,噪声接触剂量有80.1％的可能性低于职业接触限值.[结论]贝叶斯决策分析法的评估结果直观、明确,对于检测样本数量较少的职业危害因素,贝叶斯决策分析法较常规职业接触评估方法更加适用.
-
主成分分析应用(Ⅲ)——主成分判别分析
本文目的是介绍主成分判别分析的概念、作用以及用软件实现计算的方法.判别分析方法很多,本文仅介绍基于"主成分变量"和"距离"的判别分析方法.本文的结果提示:基于"主成分变量"或"原变量"的判别分析结果是相同的.这一结论是否意味着对所有的数据集都成立,有待进一步研究.
-
诊断试验中的先验概率和后验概率
提高临床诊断的准确性是临床研究的重要内容之一,除了不断发展新的实验室检查方法外,如何利用现有临床检查收集到的信息改进诊断试验效果是人们非常关注的问题,多元判别是实现这一目标的佳途径之一.多元判别是一类数学方法,它可以充分利用实验室检查和临床观察收集到的各种信息,较大幅度地提高诊断试验的灵敏感、特异度和准确度,是在短期内改进诊断试验效果的有效途径.我们在近年研究中证实,多元判别在改进诊断试验效果方面有明显的作用,但实际应用这些结果时却发现其效果比预计的差,即多元判别模型用于临床病例诊断时,判别模型预测的结果与临床诊断金标准之间的一致性低于原先的估计,限制了多元判别方法在诊断试验中的应用.经分析研究我们认识到,上述现象与多元判别的先验概率和后验概率有关.
-
共有基因数在同胞鉴定中应用的研究
目的探索利用两个体间共有基因数目资料进行同胞关系鉴定的应用价值.方法根据807对同胞及无关个体的13个STR基因座的分型结果,进行统计学计算.结果同胞间及无关个体间共有基因数目均符合正态分布,分别得到同胞及无关个体关系的判别函数和后验概率,以及该方法的平均错判率.其中同胞组判别函数为:L同胞=-27.08703+3.202 32S(S为共有基因个数);无关个体组判别函数为:L无关=-7.49563+1.68509S,用上述判别函数进行同胞/无关个体关系判别时的平均错判率为0.026 5.结论当共有基因数目大于17或小于8时,两个体为同胞或无关个体的后验概率分别大于0.998 0和0.999 4.此方法不失为同胞关系鉴定的可信度较高的方法.
