人脸识别中单次erp时空特征分析及其快速检索的应用生物医学工程专业论文.docxVIP

人脸识别中单次erp时空特征分析及其快速检索的应用生物医学工程专业论文.docx

  1. 1、本文档共71页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
人脸识别中单次erp时空特征分析及其快速检索的应用生物医学工程专业论文

厶脸迟剜生兰达里墼盟空挂堑金盘 厶脸迟剜生兰达里墼盟空挂堑金盘 区基迭鎏捡塞盟座围 ⑧ 论文作者签名: 指导教师签名: 论文评阅人l: (姓名3驱趁3皇僮,王回) 评阅人2: (隆名迁闼堂僮诠塞笪喳) 评阅人3: 评阅人4: 评阅人5: 委员l: 委员2: 委员3: 委员4: 委员5: 答辩日期: 万方数据 Author’S Author’S signature: 一 Supervisor’S slgnature: Thesis reviewer 1: (姓名3驱鳌3望焦,王囤) Thesis reviewer 2: (隆名证阊堂僮途塞省略) Thesis reviewer 3: Thesis reviewer 4. Thesis reviewer 5: Chair: (姓名3驱整3望僮) (Committee of oral defence) Committeeman 1: Committeeman 2: Committeeman 3: Committeeman 4. Committeeman 5: Date of oral defence: 万方数据 浙江大学研究生学位论文独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 浙江大学研究生学位论文独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 研究成果。除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发 表或撰写过的研究成果t也不包含为获得逝’江基鲎或其他教育机构的学位或 证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文 中作了明确的说明并表示谢意。 学位论文作者签名:馨孚陌 签字日期:2口15- 年6月J J曰 学位论文版权使用授权书 本学位论文作者完全了解 逝姿态堂 有权保留并向国家有关部门或机构 送交本论文的复印件和磁盘,允许论文被查阅和借阅。本人授权逝鎏盘堂可 以将学位论文的全部或部分内容编入有关数据库进行检索和传播,可以采用影印、 缩印或扫描等复制手段保存、汇编学位论文。 (保密的学位论文在解密后适用本授权书) 学位论文作者签名: 荪钾等 导师签名: 牺惑, 签字日期:20 f5年 6月 I f日 饴-寺j-日期:幽r/碎石月c/日 万方数据 浙江大学硕士学位论文 浙江大学硕士学位论文 摘要 摘要 人脸识别技术应用广泛,现有的方法基本基于计算机视觉,由于脸部遮挡、 光照强弱等因素造成识别效果不佳。而认知神经科学的研究发现,人脑在进行人 脸识别时认知过程较为特殊。本论文通过ERP信号时空特征的分析及其在快速目 标人脸检索的应用,实现了一种基于事件相关电位(Evem.Related potential,ERP) 信号检测的快速人脸识别方法。 首先,本文设计了基于脑电的快速目标人脸索实验方案,然后,使用脑地形 图、差异波和T检验等方法对人脸诱发的ERP信号进行时空特征分析,其中N2、 P3和N4波的时空特征在目标与非目标人脸上表现出显著性差异。为了实现快速 目标人脸检索的应用,本文采用了公共空间模式、线性判别分析、支持向量机等 算法对单次ERP进行解码,从而识别出目标人脸。所有解码结果的ROC(Receiver Operating Characteristic)曲线面积皆大于85%,表明该方法的可行性。 为了进一步提高该人脸识别方法的效果,本论文首次在目标人脸检索中采用 基于深度学习理论的卷积神经网络模型对单次ERP提取时空特征和解码。在网络 训练过程中,因存在单个被试训练数据不足问题,本文提出以下方法:先利用所 有被试的训练数据对网络训练得到初始模型,后用每个被试各自的训练数据对初 始模型进一步优化。结果表明,卷积神经网络方法可以大大提高解码效果,与支 持向量机方法的平均Roc曲线面积结果相比,卷积神经网络方法的平均Roc曲线 面积结果提高了4.4%,T检验P值为0.0021,12名被试的平均AUC结果达到了 92.7%。 关键词: 脑机接口技术;事件相关电位;人脸识别;卷积神经网络 万方数据 浙江大学硕士学位论文 浙江大学硕士学位论文 Abstract Abstract The face recognition technology is widely used.However,the performance of computer vision based face recognition technology is limited when large illumination, pose or facial expression variations are presented.Research on cognitive neuroscience has fou

文档评论(0)

131****9843 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档