基于混沌优化算法的MUSIC脑磁图源定位方法

如何利用实验测得的脑磁图数据准确定位脑磁图源的真实活动位置是脑功能研究和临床应用中的一个关键问题.在脑磁活动源定位问题中,多信号分类算法是被广泛研究和采用的一类方法.为了克服多信号分类算法及其改进算法--递归多信号分类算法全局扫描时速度太慢的缺点,提出了一种基于混沌优化算法的脑磁图源定位新方法.该方法利用混沌运动遍历性的特点估计目标函数的全局最大值,进行初步的脑磁图源定位;然后,在小范围内结合网格的方法,进一步进行精确的定位.实验结果表明,此方法可实现多个脑磁图源的定位,并且定位速度大大加快,同时又能达到所要求的定位精度.     

基于粒子群优化算法的脑磁图源定位

脑磁图作为一种新型的脑探测技术,具有较高定位精度和毫秒级时间分辨率的特点。快速准确地利用脑磁图技术对三维空间中的脑神经活动源进行定位,对于脑功能研究和医学临床应用都具有重要的应用价值。可是,目前的脑磁图源定位广泛采用了多信号分类方法,它要求对三维大脑空间进行全局扫描,需要大量的计算,存在速度慢的缺点。针对这一问题,提出了一种基于粒子群优化算法的脑磁图源定位方法。先利用粒子群优化算法全局搜索能力强的特点寻找出目标函数的全局最优值,进行初步的脑磁图源定位;然后,再在小范围内进行小网格的搜索,进一步实现精确的定位。实验结果表明,基于粒子群优化算法的脑磁图源定位能够很好地解决上述问题,具有计算速度快、定位精度高的特点。     

基于独立元分析的脑磁图源定位

在脑磁图源定位问题中,通常感兴趣的是脑内众多神经活动源中的一个或几个,而传统源定位方法,如多信号分类方法,需要将所有源的位置都确定后,通过重组信号波形才能获得所感兴趣源的位置信息。为了提高定位效率,文章作者提出了一种结合独立元分析的脑磁图源定位方法。实验结果表明,该方法能加快定位的速度,同时能够在一定程度上克服噪声的影响,具有更强的抗噪声能力。     

脑磁源的定位研究

在脑电脑磁研究中,常将大脑视为一电磁系统,利用准静态近似下的麦克斯韦方程,可以发现代表脑神经元活动的原在电流密度与脑外磁场之间呈线性关系。在高斯哭喊杨存在的情况下,采用极大似然估计理论,讨论了一种基于脑磁场时域－罕注解磁源定位问题的一般方法。球对称导体模型下的模拟计算表明,这一方法是有效的。对于考虑真实头模型下的磁源定位问题求解磁源定位,提出了一种联合使用脑磁脑电数据的近似方法。     

基于模拟退火法由脑磁图推测电流偶极子参数

利用模拟退火（Ｓｉｍｕｌａｔｅｄ Ａｎｎｅａｌｉｎｇ） 算法,由脑磁图（ ＭＥＧ） 数据反演脑内作为磁源的单电流偶极子参数,可以得到理想的结果。在上述工作的基础上,对脑内多电流偶极子参数的反演,则呈现如下状况：即以少于实际源数目的偶极子为源假设反演,目标函数得不到极小优化。反之,目标函数可以得到极小优化, 但出现多余的伪偶极子, 且这些伪偶极子在多次不同条件的反演结果中,处于不稳定状态。若将多次反演结果中处于不稳定状态的偶极子作为伪偶极子的判据而将其排除,则可以得到一种判断磁源偶极子数目的方法     

脑磁图神经活动源数目的估计

在脑磁图信号的分析中,正确估计出脑磁图神经活动源的数目是进一步分析脑磁图信号的前提。目前广泛采用的信息论方法和主成分分析方法都是根据特征值来确定源的数目,这两种方法在源数目较多、噪声较强的情况下,会导致误判。该文提出了一种噪声调节自动阈值的脑磁图源数目判断方法,利用基于噪声调节的主成分分析并结合聂曼- 皮尔逊准则对脑磁图源数目进行估计。同时,该方法采用了基于小波的噪声方差估计,实现了脑磁图信号中噪声方差的精确估计。通过对基于信息论方法、主成分分析方法以及该文所提议方法的实验结果的比较,表明该文所提议方法能更准确地估计脑磁图源数目,特别是在源数目较多、信噪比较小的情况下,仍能准确地估计脑磁图源数目,具有较大的实际意义。     

脑磁图的临床应用研究

脑磁图(magnetoencephalogragphy,MEG),是一种通过测量脑磁场信号,对脑功能区进行定位及评价其状态的新技术,具有对人体无侵袭、无损伤等特点,目前已在人脑的功能研究和临床上进行应用。     

基于最小模估计及Tikhonov正则方法的脑磁源重建

脑磁图（magnetoencephalogram,MEG）研究中的磁源分布图象重建,属于不适定问题,需要引入适合的先验约束,把它转化为适定问题。采用非参数的分布源模型,磁源成象问题即为求解病态的欠定的线性方程组。这里采用的方法是建立在最小模估计和Tikhonov正则的基础上,从数学算法本身及相关的解剖学和神经生理学的信息,对解空间加以限制,提出了区域加权算子,再结合深工加权,以期得到合理的神经电流分布。通过仿真实验表明能得出理想的重建结果,同时讨论了该方法的局限性以及下一步的工作方向。     

基于独立元分析的MEG(脑磁图)数据分析和处理

独立元分析(independent component analysis,ICA)可用于分离混迭的MEG(Magnetoencephalography)多通道信号中的信号源。从ICA分解的结果中消除干扰源和噪声,并将剩余分量投影回MEG多通道数据空间,可得到净化的MEG信号,表示各个信号源的各独立元分别投影回多通道,可对各活动源进行空间定位。特别是,响应于外界刺激的诱发活动源亦可从重叠的MEG多通道信号中得到分离,这对脑功能研究及脑医学临床应用极有吸引力。提出了一个简单有效的基于ICA的MEG数据分析和处理方法,研究和分析了一些实际应用问题,特别是给出了听觉诱发响应的一些有意义的分析结果。     

基于混合适传算法的偶极子源定位的仿真计算’

首先提出一种新的混合遗传算法。在基于实数编码的基础上,通过嵌入一个最速下降算子,结合遗传算法和最速下降法两者的优点,并引入模拟退火的思想,即可改善原算法的局部搜索能力,又能进一步提高优化效率。为了验证算法的可行性,通过对脑电偶极子源定位的仿真计算,证明所提出的新算法与其它优化算法相比,在达到最优解的效率上有了明显的提高。     

基于最大锋电位间隔的爆发检测自适应算法

在各种类型的培养神经元网络、哺乳动物中枢神经系统和切片中,都可以观察到爆发。爆发是空间-时间放电模式的重要特征,它由一系列高频率发放的连续动作电位组成,由于在时间尺度上的复杂性,使其辨识和探测存在许多困难。自适应算法利用爆发外部锋电位间隔超过爆发内部锋电位间隔的累加和识别爆发本身。基于该算法原理,以爆发内部最大锋电位间隔参数作为确定爆发的约束条件,改进爆发检测自适应算法。实验结果表明,改进算法可以有效地避免爆发的漏检和错检,较准确地检测出神经元的爆发活动,确定爆发活动的数目和持续时间等,爆发检测的平均准确率为93.8%,比原自适应算法提高了35.3%。     

基于结构分类的蛋白质折叠模式识别方法

对用于折叠模式识别的蛋白质结构数据库进行结构分类,构建了四个分类库：Ａｌ－α库,Ａｌ－β库,α／β库,α＋β库和一个总库,然后分别统计出不同灵敏度的匹配评估函数（平均势）。对不同的平均势,不同结构类型的蛋白进行的检验发现：来源于α／β库的平均势预测能力最强,来源于Ａｌ－α库的平均势预测能力最弱;对α／β蛋白的预测成功率最高,对Ａｌ－α蛋白的预测成功率最低。这与α／β蛋白结构最规则,Ａｌ－α蛋白未加入辅基不能反映出结构的全部特征是相一致的     

基于稳定同位素的消费者营养来源溯源的方法和过程

为降低利用稳定同位素分析对消费者营养来源进行溯源所造成的一定程度误读, 文章基于实测同位素数据集(浮游动物同位素数据集), 通过原始数据的简单统计检验、营养来源先验信息的矫正, 构建系列贝叶斯模型; 通过同位素空间的构建与检验, 及先验信息和后验分布差异等多种分析方法与步骤, 来描述消费者营养来源溯源的方法和过程。以此为应用稳定性同位素技术开展消费者营养溯源研究提供指导。     

基于时间机理与部位机理整合的鲁棒性语音信号表达

传统语音信号谱特征的提取是基于ＦＦＴ 的能谱分析方法,在噪音环境情况下,对噪音的频谱成分与语音信号的频谱成分的处理采用“平均主义”的原则。也就是说噪音的频谱成分与语音信号的频谱成分占同等重要的地位。显然在噪音环境中这种处理方法会使噪音掩蔽掉语音信号的成分。在听觉系统中这种处理编码方式如同耳蜗滤波器的频率分析功能那样,也就是部位机理。实际上听觉系统对噪音和周期信号的处理不是“平均主义”原则,而是对周期信号敏感, 对噪音不敏感,听觉神经纤维通过神经脉冲发放的周期间隔来编码刺激信号, 这对应听觉处理机制中的时间编码方式。基于这两种处理机制,文中提出整合部位机理和时间机理的方法,这正是听觉的处理刺激的方式。这样处理的方法很好地结合了两种处理机制的优点,能有效地探测噪音环境中的语音信号     

METHODS FOR JOINT INFERENCE FROM MULTIPLE DATA SOURCES FOR IMPROVED ESTIMATES OF POPULATION SIZE AND SURVIVAL RATES

Critical conservation decisions often hinge on estimates of population size, population growth rate, and survival rates, but as a practical matter it is difficult to obtain enough data to provide precise estimates. Here we discuss Bayesian methods for simultaneously drawing on the information content from multiple sorts of data to get as much precision as possible for the estimates. The basic idea is that an underlying population model can connect the various sorts of observations, so this can be elaborated into a joint likelihood function for joint estimation of the respective parameters. The potential for improved estimates derives from the potentially greater effective sample size of the aggregate of data, even though some of the data types may only bear directly on a subset of the parameters. The achieved improvement depends on specifics of the interactions among parameters in the underlying model, and on the actual content of the data. Assuming the respective data sets are unbiased, notwithstanding the fact that they may be noisy, we may gauge the average improvement in the estimates of the parameters of interest from the reduction, if any, in the standard deviations of their posterior marginal distributions. Prospective designs may be evaluated from analysis of simulated data. Here this approach is illustrated with an assessment of the potential value in various ways of merging mark-resight and carcass-survey data for the Florida manatee, as could be made possible by various modifications in the data collection protocols in both programs.     

基于NDVI_Ts特征空间的中国土地覆盖分类研究

 归一化植被指数（NDVI）与地表温度（Ts）是描述地表覆盖特征的两个重要参数, 其构成的NDVI_Ts特征空间具有丰富的地学和生态学内涵。该文在NOAA/AVHRR连续时间序列数据反演Ts的基础上,通过主成分分析、非监督分类和基于DEM的分类后处理等方法,以Ts/NDVI为指标对中国土地覆盖进行分类。结果表明,Ts/NDVI对中国较大尺度上不同土地覆盖类型的差异具有较强的敏感性,其对中国土地覆盖分类结果的野外抽样检验精度比传统的单独利用NDVI时间序列进行非监督分类提高了3.3%,Kappa系数提高了0.020 2;在综合其它反映植被特征及其环境的指标（如气候、地形等）的基础上,利用Ts/NDVI将有可能较为准确 地提取中国植被或土地覆盖的信息,有利于对其进行分类和变化监测,具有深远的研究潜力 和应用价值。     

蚂蚁群落优化算法在蛋白质折叠二维亲-疏水格点模型中的应用

氨基酸的亲疏水格点模型是研究蛋白质折叠的一种重要的简化模型,其优化问题是一个非确定型的多项式问题。采用蚂蚁群落优化算法对这一问题进行了研究,对测试数据的计算结果表明,在一定规模下,此算法能够有效地获得亲-疏水格点模型的最优解,其效率优于传统的Monte Carlo仿真等方法。     

宁波北仑山区植被的数量分类

本文运用组平均法、主成份分折法和主坐标分析法对宁波北仑山区28个样地进行了分类,三种分类结果得到较好的统一,初步划分出7个群系与10个群丛,建立了该地区森林植被的分类系统。