医学文献 >>
  • 检索发现
  • 增强检索
知识库 >>
  • 临床诊疗知识库
  • 中医药知识库
评价分析 >>
  • 机构
  • 作者
默认
×
热搜词:
换一批
论文 期刊
取消
高级检索

检索历史 清除

基于多尺度卷积和身份子空间的脑纹识别

Brainprint recognition based on multi-scale convolution and subspace

摘要脑电图信号具有难窃取性、抗伪造性和活体性等独特优势,可以为身份识别提供更安全的生物识别方法.传统的脑纹识别仅针对单一任务状态下的脑电图信号,身份识别的可靠性取决于特定刺激和诱发的脑电特征.在现实环境中,人类接收到的刺激是多种多样且瞬息万变的,诱发的脑电信号是复杂多变的,因此极大降低了这些研究结果在现实环境中的可靠性.卷积神经网络可以学习特征区域内的变化,且不同尺度的卷积核可以学习不同粒度的信息,因此针对任务无关的脑纹识别提出了一种基于多尺度卷积的方法.首先,对数据进行降采样和带通滤波,提取出具备时域、频域和空间特性的功率谱密度特征.然后,在各个通道的时间、频率维度使用多尺度卷积融合,再对具有时频变化的深度特征间使用多尺度卷积学习不同的脑域特征.最后,将高维空间的统计特征映射到子空间,去除冗余信息并保留个体独有特征,用映射到低维空间的本征脑电均值构成身份本征,通过计算样本与身份本征信号的余弦距离来判断受试者的身份信息.在具有多个任务的数据集上进行了实验,以评估所提出方法在不同任务中的泛化能力.提出的方法在印度理工任务无关数据集上,识别准确率和等错误率分别为87.8%和4.9%.

更多
广告
  • 浏览0
  • 下载0
杭州电子科技大学学报

加载中!

相似文献

  • 中文期刊
  • 外文期刊
  • 学位论文
  • 会议论文

加载中!

加载中!

加载中!

加载中!

特别提示:本网站仅提供医学学术资源服务,不销售任何药品和器械,有关药品和器械的销售信息,请查阅其他网站。

  • 客服热线:4000-115-888 转3 (周一至周五:8:00至17:00)

  • |
  • 客服邮箱:yiyao@wanfangdata.com.cn

  • 违法和不良信息举报电话:4000-115-888,举报邮箱:problem@wanfangdata.com.cn,举报专区

官方微信
万方医学小程序
new翻译 充值 订阅 收藏 移动端

官方微信

万方医学小程序

使用
帮助
Alternate Text
调查问卷