期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于SAE和LSTM RNN的多模态生理信号融合和情感识别研究
被引量:
24
1
作者
李幼军
黄佳进
+1 位作者
王海渊
钟宁
《通信学报》
EI
CSCD
北大核心
2017年第12期109-120,共12页
为了提高情感识别的分类准确率,提出一种将栈式自编码神经网络(SAE)和长短周期记忆单元循环神经网络(LSTM RNN)融合的多模态融合特征情感识别方法。该方法通过SAE对不同模态的生理特征进行信息融合和压缩,随后用LSTM RNN对长时间周期的...
为了提高情感识别的分类准确率,提出一种将栈式自编码神经网络(SAE)和长短周期记忆单元循环神经网络(LSTM RNN)融合的多模态融合特征情感识别方法。该方法通过SAE对不同模态的生理特征进行信息融合和压缩,随后用LSTM RNN对长时间周期的融合进行情感分类识别。通过将该方法用到开源数据集中进行验证,得到情感分类准确率达到0.792 6。实验结果表明,SAE对多模态生理特征进行了有效融合,LSTM RNN能够有效地对长时间周期中的关键特征进行识别。
展开更多
关键词
多模态生理信号
情感识别
栈式自编码神经网络
长短周期记忆循环神经网络
多模态生理信号
融合
在线阅读
下载PDF
职称材料
基于优化的LSTSVM的多模态生理信号情感识别
被引量:
3
2
作者
金纯
陈光勇
《电子技术应用》
2018年第3期112-116,共5页
采用最小二乘双支持向量机(LSTSVM)进行情感识别,针对LSTSVM模型的惩罚系数及核函数参数难以确定的问题,使用改进的萤火虫算法(MFA)来优选LSTSVM的各项参数,使分类器取得最优的性能。基于脑电、皮肤电、肌电和呼吸4种模态的生理信号,使...
采用最小二乘双支持向量机(LSTSVM)进行情感识别,针对LSTSVM模型的惩罚系数及核函数参数难以确定的问题,使用改进的萤火虫算法(MFA)来优选LSTSVM的各项参数,使分类器取得最优的性能。基于脑电、皮肤电、肌电和呼吸4种模态的生理信号,使用该算法进行情感识别,并与使用标准LSTSVM和粒子群LSTSVM算法的识别结果比较。仿真分析表明,提出的MFA-LSTSVM算法识别准确率更高,需要的训练时间更短。
展开更多
关键词
最小二乘双支持向量机
萤火虫算法
情感识别
多模态生理信号
在线阅读
下载PDF
职称材料
基于多模态生理信号的学习专注度识别
3
作者
赖松
武法提
《现代教育技术》
CSSCI
2023年第6期101-108,共8页
学习专注度与学习表现密切相关,是影响学习质量的重要因素。学生的生理信号能够客观反映学习专注度,但当下借助生理信号识别学习专注度的研究较少。基于此,文章首先通过便携式腕带采集46位中学生在线学习时的多模态生理信号;然后,文章...
学习专注度与学习表现密切相关,是影响学习质量的重要因素。学生的生理信号能够客观反映学习专注度,但当下借助生理信号识别学习专注度的研究较少。基于此,文章首先通过便携式腕带采集46位中学生在线学习时的多模态生理信号;然后,文章利用交叉验证提供可靠的学习专注度标签,并对多模态生理信号进行数据预处理、特征提取与特征选择,获得了15个有效特征,据此构建学习专注度识别模型,结果表明决策树的识别效果最好;最后,文章从标签的可靠性、特征的有效性、模型的可用性等方面对研究结果进行了总结和反思。文章通过学习专注度识别研究,旨在为教师的教学决策提供有效支持,从而促进教学质量的提升。
展开更多
关键词
在线学习
学习专注度
多模态生理信号
专注度识别
在线阅读
下载PDF
职称材料
面向睡眠研究的生理信号开源数据集综述
4
作者
陆敬怡
颜昌
+2 位作者
于广义
李建清
刘澄玉
《中国生物医学工程学报》
CAS
CSCD
北大核心
2024年第3期358-368,共11页
临床多导睡眠数据的采集和标注耗时长且成本高,被测人群、采集设备和标注专家等因素的不同,使得采集的数据存在差异,增加了睡眠相关研究的难度和复杂度。与众多其他临床开源数据资源相同,面向睡眠研究的生理信号开源数据集的建立为全球...
临床多导睡眠数据的采集和标注耗时长且成本高,被测人群、采集设备和标注专家等因素的不同,使得采集的数据存在差异,增加了睡眠相关研究的难度和复杂度。与众多其他临床开源数据资源相同,面向睡眠研究的生理信号开源数据集的建立为全球相关研究者提供了丰富的数据资源和统一的对比平台,促进了睡眠医学领域研究的深入发展。为此,综述了在睡眠领域中常见的18个开源数据集的概况、特点及应用,这些数据集包括脑电图(EEG)、心电图(ECG)、眼电图(EOG)和肌电图(EMG)等生理信号以及涵盖睡眠障碍、心血管疾病和肥胖症等多个临床领域;总结了现有睡眠开源数据集在数据质量、数据标准、数据安全、样本代表性和外部有效性等方面存在的局限,提出了针对性的建议与展望。
展开更多
关键词
多模态生理信号
睡眠
开源数据集
生理
测量
在线阅读
下载PDF
职称材料
题名
基于SAE和LSTM RNN的多模态生理信号融合和情感识别研究
被引量:
24
1
作者
李幼军
黄佳进
王海渊
钟宁
机构
北京工业大学国际WIC研究院
磁共振成像脑信息学北京市重点实验室
脑信息智慧服务北京市国际科技合作基地
北京未来网络科技高精尖创新中心
出处
《通信学报》
EI
CSCD
北大核心
2017年第12期109-120,共12页
基金
国家自然科学基金资助项目(No.61420106005)
国家重点基础研究发展计划基金资助项目(No.2014CB744600)
国家国际科技合作专项基金资助项目(No.2013DFA32180)~~
文摘
为了提高情感识别的分类准确率,提出一种将栈式自编码神经网络(SAE)和长短周期记忆单元循环神经网络(LSTM RNN)融合的多模态融合特征情感识别方法。该方法通过SAE对不同模态的生理特征进行信息融合和压缩,随后用LSTM RNN对长时间周期的融合进行情感分类识别。通过将该方法用到开源数据集中进行验证,得到情感分类准确率达到0.792 6。实验结果表明,SAE对多模态生理特征进行了有效融合,LSTM RNN能够有效地对长时间周期中的关键特征进行识别。
关键词
多模态生理信号
情感识别
栈式自编码神经网络
长短周期记忆循环神经网络
多模态生理信号
融合
Keywords
multi-modal bid-signal emotion recognition, stacked auto-encoder neural network, LSTM recurrent neural network, multi-modal bid-signals fusion
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于优化的LSTSVM的多模态生理信号情感识别
被引量:
3
2
作者
金纯
陈光勇
机构
重庆邮电大学无线移动通信理论与技术重点实验室
重庆金瓯科技发展有限责任公司
出处
《电子技术应用》
2018年第3期112-116,共5页
基金
重庆市重点产业共性关键技术创新专项(cstr2015zdcy-ztzx4008)
文摘
采用最小二乘双支持向量机(LSTSVM)进行情感识别,针对LSTSVM模型的惩罚系数及核函数参数难以确定的问题,使用改进的萤火虫算法(MFA)来优选LSTSVM的各项参数,使分类器取得最优的性能。基于脑电、皮肤电、肌电和呼吸4种模态的生理信号,使用该算法进行情感识别,并与使用标准LSTSVM和粒子群LSTSVM算法的识别结果比较。仿真分析表明,提出的MFA-LSTSVM算法识别准确率更高,需要的训练时间更短。
关键词
最小二乘双支持向量机
萤火虫算法
情感识别
多模态生理信号
Keywords
least squares twin support vector machine
firefly algorithm
emotion recognition
multimodal physiological signal
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于多模态生理信号的学习专注度识别
3
作者
赖松
武法提
机构
西南大学教育学部
北京师范大学
出处
《现代教育技术》
CSSCI
2023年第6期101-108,共8页
基金
国家自然科学基金面上项目“同步直播课堂中基于多模态数据的学习者专注度评估及其演化机制研究”(项目编号:62177008)的阶段性研究成果。
文摘
学习专注度与学习表现密切相关,是影响学习质量的重要因素。学生的生理信号能够客观反映学习专注度,但当下借助生理信号识别学习专注度的研究较少。基于此,文章首先通过便携式腕带采集46位中学生在线学习时的多模态生理信号;然后,文章利用交叉验证提供可靠的学习专注度标签,并对多模态生理信号进行数据预处理、特征提取与特征选择,获得了15个有效特征,据此构建学习专注度识别模型,结果表明决策树的识别效果最好;最后,文章从标签的可靠性、特征的有效性、模型的可用性等方面对研究结果进行了总结和反思。文章通过学习专注度识别研究,旨在为教师的教学决策提供有效支持,从而促进教学质量的提升。
关键词
在线学习
学习专注度
多模态生理信号
专注度识别
Keywords
online learning
learning concentration level
multimodal physiological signals
concentration level recognition
分类号
G40-057 [文化科学—教育学原理]
在线阅读
下载PDF
职称材料
题名
面向睡眠研究的生理信号开源数据集综述
4
作者
陆敬怡
颜昌
于广义
李建清
刘澄玉
机构
东南大学仪器科学与工程学院
南京医科大学生物医学工程与信息学院
出处
《中国生物医学工程学报》
CAS
CSCD
北大核心
2024年第3期358-368,共11页
基金
国家自然科学基金(62171123,62101129,62211530112)
国家重点研发计划项目(2023YFC3603600)。
文摘
临床多导睡眠数据的采集和标注耗时长且成本高,被测人群、采集设备和标注专家等因素的不同,使得采集的数据存在差异,增加了睡眠相关研究的难度和复杂度。与众多其他临床开源数据资源相同,面向睡眠研究的生理信号开源数据集的建立为全球相关研究者提供了丰富的数据资源和统一的对比平台,促进了睡眠医学领域研究的深入发展。为此,综述了在睡眠领域中常见的18个开源数据集的概况、特点及应用,这些数据集包括脑电图(EEG)、心电图(ECG)、眼电图(EOG)和肌电图(EMG)等生理信号以及涵盖睡眠障碍、心血管疾病和肥胖症等多个临床领域;总结了现有睡眠开源数据集在数据质量、数据标准、数据安全、样本代表性和外部有效性等方面存在的局限,提出了针对性的建议与展望。
关键词
多模态生理信号
睡眠
开源数据集
生理
测量
Keywords
multimodal physiological signals
sleep
open-source datasets
physiological measurement
分类号
R318 [医药卫生—生物医学工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于SAE和LSTM RNN的多模态生理信号融合和情感识别研究
李幼军
黄佳进
王海渊
钟宁
《通信学报》
EI
CSCD
北大核心
2017
24
在线阅读
下载PDF
职称材料
2
基于优化的LSTSVM的多模态生理信号情感识别
金纯
陈光勇
《电子技术应用》
2018
3
在线阅读
下载PDF
职称材料
3
基于多模态生理信号的学习专注度识别
赖松
武法提
《现代教育技术》
CSSCI
2023
0
在线阅读
下载PDF
职称材料
4
面向睡眠研究的生理信号开源数据集综述
陆敬怡
颜昌
于广义
李建清
刘澄玉
《中国生物医学工程学报》
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部