抑郁症患者生活事件及社会支持特征的研究 被引量：82

1

作者 郭文斌 姚树桥 +2 位作者 卢永红 朱熊兆 吴大兴 《中国心理卫生杂志》 CSSCI CSCD 北大核心 2003年第10期693-695,共3页

目的 :探讨抑郁症患者生活事件和社会支持的特点和规律。方法 :对 96例抑郁症患者分别在其入院时进行测评 ,测评工具包括自评抑郁量表、社会支持量表和生活事件量表。此外对 99例正常对照亦进行上述测评。结果 :抑郁症患者经历的应激性... 目的 :探讨抑郁症患者生活事件和社会支持的特点和规律。方法 :对 96例抑郁症患者分别在其入院时进行测评 ,测评工具包括自评抑郁量表、社会支持量表和生活事件量表。此外对 99例正常对照亦进行上述测评。结果 :抑郁症患者经历的应激性生活事件较多 ,得到较多的主观社会支持 ,但对社会支持的利用度却不如对照组高 ;男女患者之间的生活事件和社会支持得分无显著差异 ;低应激状态的患者得到的社会支持总分及主观社会支持均高于高应激状态组。结论 :抑郁症患者经历的应激性生活事件较多 ;而社会支持在应激性生活事件与抑郁症发病之间起着缓冲作用。 展开更多

关键词 抑郁症 生活事件 社会支持特征 研究 自评抑郁量表 社会支持量表 生活事件量表

在线阅读 下载PDF 职称材料

基于特征值分解的中心支持向量机算法 被引量：9

2

作者 陈素根 吴小俊 《电子与信息学报》 EI CSCD 北大核心 2016年第3期557-564,共8页

针对广义特征值中心支持向量机(GEPSVM)训练和决策过程不一致问题,该文提出一类改进的基于特征值分解的中心支持向量机,简称为IGEPSVM。首先针对二分类问题提出了基于特征值分解的中心支持向量机,然后基于"一类对余类"策略将... 针对广义特征值中心支持向量机(GEPSVM)训练和决策过程不一致问题,该文提出一类改进的基于特征值分解的中心支持向量机,简称为IGEPSVM。首先针对二分类问题提出了基于特征值分解的中心支持向量机,然后基于"一类对余类"策略将其推广到多类分类问题。将GEPSVM求解广义特征值问题转化为求解标准特征值问题,降低了计算复杂度。引入了一个新的参数,可以调节模型的性能,提高了GEPSVM的分类精度。提出了基于IGEPSVM的多类分类算法。实验结果表明,与GEPSVM算法相比较,IGEPSVM不仅提高了分类精度,而且缩短了训练时间。 展开更多

关键词 支持向量机 广义特征值中心支持向量机 两类分类 多类分类 特征值分解

在线阅读 下载PDF 职称材料

ReliefF-SVM RFE组合式特征选择人脸识别 被引量：6

3

作者 孔英会 张少明 《计算机工程与应用》 CSCD 2013年第11期169-171,212,共4页

针对人脸识别中因特征个数较多对识别的实时性和准确性影响较大的问题,提出了ReliefF-SVM RFE组合式特征选择的人脸识别方法。利用离散余弦变换提取特征和ReliefF对人脸图像特征集做特征初选,降低特征维数空间,再用改进的SVM RFE(Suppor... 针对人脸识别中因特征个数较多对识别的实时性和准确性影响较大的问题,提出了ReliefF-SVM RFE组合式特征选择的人脸识别方法。利用离散余弦变换提取特征和ReliefF对人脸图像特征集做特征初选,降低特征维数空间,再用改进的SVM RFE(Support Vector Machine Recursive Feature Elimination)选择最优特征,解决了利用SVM RFE特征选择时因特征数多而算法需多次训练耗时长的问题。对训练得到的特征排序表采用交叉留一验证方法选取最优子集,再由SVM分类识别。在UMIST人脸库上实验证明,可以在特征数为52时,达到98.84%的识别率,识别时间仅需0.037s。 展开更多

关键词 人脸识别 支持向量机回归特征消除(SVM RFE) RELIEFF 离散余弦变换 特征选择

在线阅读 下载PDF 职称材料

基于SVM特征优化的Farwell虚拟矩阵字符识别

4

作者 綦宏志 孙长城 +4 位作者 安兴伟 许敏鹏 马岚 明东 万柏坤 《天津大学学报》 EI CAS CSCD 北大核心 2011年第9期829-834,共6页

传统Farwell虚拟字符矩阵BCI中仅采用少数中线导联上的EEG特征进行识别,由于识别信息量较为有限,导致识别效率不高.为此,引入了一种支持向量机特征优化方法,采用扰动支持向量机代价函数的方法评价特征对于分类的贡献,进而优选出适于识... 传统Farwell虚拟字符矩阵BCI中仅采用少数中线导联上的EEG特征进行识别,由于识别信息量较为有限,导致识别效率不高.为此,引入了一种支持向量机特征优化方法,采用扰动支持向量机代价函数的方法评价特征对于分类的贡献,进而优选出适于识别的特征组合.对6位受试者每人各采集80个字符的Farwell虚拟矩阵刺激任务脑电数据,经支持向量特征优化方法进行识别,获得良好的识别效果(识别错误率0.9%).研究表明,支持向量机特征优化方法具有较好的特征选择效果,适用于高特征维度的脑机交互诱发脑电信号降维处理. 展开更多

关键词 支持向量机特征优化方法 Farwell虚拟字符矩阵 脑机接口

在线阅读 下载PDF 职称材料

支持向量机在面部神经麻痹检测中的应用

5

作者 胡迎春 孙向东 张增芳 《计算机工程与应用》 CSCD 北大核心 2004年第13期198-201,共4页

通过提取标准人脸正面图像的鼻尖、眼角、鼻角、嘴角等特征点,构成11维特征向量,在介绍支持向量机(SVM)基本原理和实现算法的基础上,通过SVM对大样本的11维特征向量进行学习,将面部神经麻痹的图像从正常人脸图像中分离出来,为医生诊断... 通过提取标准人脸正面图像的鼻尖、眼角、鼻角、嘴角等特征点,构成11维特征向量,在介绍支持向量机(SVM)基本原理和实现算法的基础上,通过SVM对大样本的11维特征向量进行学习,将面部神经麻痹的图像从正常人脸图像中分离出来,为医生诊断提供依据。试验证明,该方法对检测面部神经麻痹的准确率是令人满意的。 展开更多

关键词 支持向量机11维特征向量 面部图像 神经麻痹

在线阅读 下载PDF 职称材料

基于旋转FHOG-LBP特征的旋翼无人机动态检测算法 被引量：5

6

作者 高庆吉 张金宁 谈政 《科学技术与工程》 北大核心 2019年第26期270-275,共6页

针对旋翼无人机通过视觉准确、快速检测其他旋翼无人机存在的问题,提出基于旋转FHOG-LBP动态检测算法。首先,针对旋翼无人机特有的外形和运动状态,通过形成的样本库建立外部结构模型;其次,将方向梯度直方图(HOG)进行傅里叶变换,使其具... 针对旋翼无人机通过视觉准确、快速检测其他旋翼无人机存在的问题,提出基于旋转FHOG-LBP动态检测算法。首先,针对旋翼无人机特有的外形和运动状态,通过形成的样本库建立外部结构模型;其次,将方向梯度直方图(HOG)进行傅里叶变换,使其具有快速旋转不变性,在局部二进制模式(LBP)上加入角度旋转偏移值,进行串行融合得到旋转FHOG-LBP特征,使用支持向量机递归特征消除算法(SVM-RFE)进行训练,并使用滑动窗口的检测算法对目标进行检测;最后,通过无人机动态目标测试集进行了实验,实验结果表明,提出的动态检测算法比传统方法精度和时效提高。因此,该方法可以解决具有动态变化或旋转变化的目标检测困难的问题。 展开更多

关键词 检测旋翼无人机 特征融合 支持向量机递归特征消除算法 动态目标检测

在线阅读 下载PDF 职称材料

基于P-SVM的绿色供应商评价模型 被引量：10

7

作者 郭雪松 孙林岩 徐晟 《预测》 CSSCI 2007年第5期7-11,共5页

首先根据绿色供应链管理理论的内涵和环境管理标准,对传统供应商评价体系进行修正,增加了反映绿色信息的若干指标。在分析标准支持向量机模型所面临问题的基础上,引入了一种新的支持向量机模型方法—P-SVM,进而以P-SVM为工具,采用支持... 首先根据绿色供应链管理理论的内涵和环境管理标准,对传统供应商评价体系进行修正,增加了反映绿色信息的若干指标。在分析标准支持向量机模型所面临问题的基础上,引入了一种新的支持向量机模型方法—P-SVM,进而以P-SVM为工具,采用支持向量机分类的1-v-1策略建立了绿色供应商评价模型。数据仿真显示该模型同标准支持向量机模型相比不仅具有更好的推广能力,而且具备较好的特征变量自动选取功能。 展开更多

关键词 绿色供应商评价 P-SVM 支持特征

在线阅读 下载PDF 职称材料

基于GMM-UBM和GLDS-SVM的英文发音错误检测方法 被引量：3

8

作者 李宏言 黄申 +2 位作者 王士进 梁家恩 徐波 《自动化学报》 EI CSCD 北大核心 2010年第2期332-336,共5页

将语种和说话人识别的方法应用到英语发音错误检测系统,提出一种基于广义线性区分序列支持向量机(Generalized linear dis-criminant sequence based SVM,GLDS-SVM)的发音错误检测方法.主要创新点为:1)提出一种基于状态拼接的特征规整方... 将语种和说话人识别的方法应用到英语发音错误检测系统,提出一种基于广义线性区分序列支持向量机(Generalized linear dis-criminant sequence based SVM,GLDS-SVM)的发音错误检测方法.主要创新点为:1)提出一种基于状态拼接的特征规整方案,增强SVM对发音特征的建模能力;2)提出一种基于多模型融合的模型训练策略,该策略可以更加充分地利用训练数据,并在一定程度上解决了由于真实发音错误数据缺乏造成的正负样本不均衡的问题;3)将GLDS-SVM与基于通用背景模型GMM(Universal background modelsbased GMM,GMM-UBM)的方法进行融合,以进一步提高发音检错性能.GLDS-SVM和GMM-UBM的融合系统在仿真测试集和真实测试集上的等错误率(Equal error rate,EER)分别达到9.92%和16.35%.同时,GLDS-SVM在模型占用空间和运算速度方面均比传统径向基函数(Radial basic function,RBF)核方法具有明显优势. 展开更多

关键词 计算机辅助语言学习 自动发音错误检测 支持向量机特征规整 多模型融合策略

在线阅读 下载PDF 职称材料

基于卷积和注意力机制的小样本目标检测 被引量：2

9

作者 郭永红 牛海涛 +1 位作者 史超 郭铖 《兵工学报》 EI CAS CSCD 北大核心 2023年第11期3508-3515,共8页

小样本目标检测(FSOD)旨在使检测器只用少量的训练样本就能适应未见的类别。典型的FSOD方法使用Faster R-CNN作为基本检测框架,利用卷积神经网络提取图像特征,而卷积神经网络中采用的旨在捕获尽可能多的图像信息的池化操作将不可避免地... 小样本目标检测(FSOD)旨在使检测器只用少量的训练样本就能适应未见的类别。典型的FSOD方法使用Faster R-CNN作为基本检测框架,利用卷积神经网络提取图像特征,而卷积神经网络中采用的旨在捕获尽可能多的图像信息的池化操作将不可避免地导致图像信息的丢失。在主干网络中引入混合扩张卷积,以确保更大的感受野并最大限度地减少图像信息的损失。在k-shot设置中,为充分利用给定的支持数据,提出支持特征动态融合模块,以每个支持特征和查询特征之间的相关性为权重,自适应地融合支持特征,以获得更强大的支持线索。实验结果表明,新方法在公共Pascal VOC和MS-COCO数据集上实现了较好的FSOD性能。 展开更多

关键词 小样本目标检测 混合扩张卷积 支持特征动态融合

在线阅读 下载PDF 职称材料

基于SVM-RFE的水稻抗病基因筛选 被引量：1

10

作者 付媛 王岩 +3 位作者 周柚 张帆 王珏鑫 梁艳春 《吉林大学学报（理学版）》 CAS CSCD 北大核心 2011年第6期1101-1104,共4页

提出一种改进的回归特征消去支持向量机特征选择方法(SVM-RFE)对水稻的抗病基因进行筛选.实验结果表明:在预测得到的20个与水稻抗病/敏感相关基因中,有3个基因与已知的水稻抗病基因紧密相关;2个基因与已知的水稻抗病基因有一定的相关性... 提出一种改进的回归特征消去支持向量机特征选择方法(SVM-RFE)对水稻的抗病基因进行筛选.实验结果表明:在预测得到的20个与水稻抗病/敏感相关基因中,有3个基因与已知的水稻抗病基因紧密相关;2个基因与已知的水稻抗病基因有一定的相关性.通过该方法能找到影响水稻生长状态(正常/染病)的基因. 展开更多

关键词 回归特征消去支持向量机 基因筛选 水稻抗病

在线阅读 下载PDF 职称材料

基于信号幅相特性的副瓣跟踪自动识别方法 被引量：2

11

作者 王奕波 施海荣 赵伟 《电子与信息学报》 EI CSCD 北大核心 2014年第12期2975-2979,共5页

传统雷达测角系统副瓣跟踪识别方法主要根据副瓣信号幅度较主瓣明显偏低这一特性提出,该文通过对副瓣跟踪原理的理论分析、仿真分析与实测验证,得出了关于副瓣跟踪特性的新结论:副瓣跟踪时和差相位正交、差和幅度比相对主瓣跟踪明显增... 传统雷达测角系统副瓣跟踪识别方法主要根据副瓣信号幅度较主瓣明显偏低这一特性提出,该文通过对副瓣跟踪原理的理论分析、仿真分析与实测验证,得出了关于副瓣跟踪特性的新结论:副瓣跟踪时和差相位正交、差和幅度比相对主瓣跟踪明显增大。在此基础上提出一种基于信号幅相特性的副瓣跟踪识别方法:构造以差和幅度比、和差相位差为描述子的幅相特征向量,采用支持向量机(SVM)对特征向量进行分类完成识别过程。实验结果表明,该文方法识别准确率高,鲁棒性、实时性、通用性强。 展开更多

关键词 雷达 副瓣跟踪:幅相特性:特征向量:支持向量机

在线阅读 下载PDF 职称材料

一种复杂机电系统LE-SVDD异常监测方法 被引量：3

12

作者 亚森江.加入拉 高建民 +2 位作者 高智勇 姜洪权 陈子胜 《振动．测试与诊断》 EI CSCD 北大核心 2017年第3期469-475,共7页

复杂机电系统生产过程监测数据具有明显的高维非线性和复杂分布特点,针对传统的方法难以满足复杂系统异常辨识的要求,提出一种拉普拉斯特征映射-支持向量数据描述(Laplacian eigenmaps-support vector domain description,简称LE-SVDD)... 复杂机电系统生产过程监测数据具有明显的高维非线性和复杂分布特点,针对传统的方法难以满足复杂系统异常辨识的要求,提出一种拉普拉斯特征映射-支持向量数据描述(Laplacian eigenmaps-support vector domain description,简称LE-SVDD)的异常监测方法。由于高维特征空间中距离很近的点投影到低维空间后距离应该很近,因此改进的LE方法使用一个有权无向图来描述一个流行,用嵌入的方式找到高维数据的低维嵌入,从而能够发现高维数据内部的地位流行结构。通过标准的田纳西-伊斯曼过程(Tennessee Eastman process,简称TE过程)测试和训练数据进行仿真实验,给出了在非线性特征提取和不同时段异常辨识的准确结果。平均漏报率和误报率都比较低,分别为6.063,6和5.625,3.125,这表明LE-SVDD方法在状态监测中具有良好的非线性和高维数据处理能力,适用于工程系统的监测诊断。 展开更多

关键词 复杂机电系统 异常监测方法 特征提取 拉普拉斯特征映射-支持向量数据描述(LE-SVDD) 田纳西-伊斯曼(TE)过程

在线阅读 下载PDF 职称材料