为探究不同认知负荷下的人脑活动，设计了三种实验范式（N-Back、心算和Sternberg），采集被试者在三类认知负荷下的脑电图（electroencephalogram， EEG）信号，并对EEG信号进行预处理、特征提取和特征分类。模型设计中，通过相位锁相值（phase locking value， PLV）计算了EEG的功能连接特征，将PLV功能连接矩阵作为脑功能网络的边；以微分熵特征（differential entropy， DE）作为网络的节点信息，实现了EEG频域与空间域特征的融合，利用图注意力神经网络（graph attention networks， GAT）完成了跨任务的认知负荷分类。实验结果表明，提出的模型在跨任务三分类认知负荷识别中取得了57.12%的平均分类准确率；其中，被试依赖三分类平均准确率可达74.47%。同时，基于复杂网络理论，从全局和局部两个层次分析了不同负荷状态下大脑网络结构的变化。结果表明：一方面，随着认知负荷程度增加，theta与alpha频段的全局聚类系数逐渐减小，delta与theta频段的全局效率则有所提高；另一方面，theta频段下的额叶、顶叶与颞叶脑区电极的局部效率呈上升趋势。网络全局与局部的度量变化表明随着人脑认知负荷程度的提高，功能脑网络的拓扑结构在发生改变。

【目的】科研合作关系是一种重要的社会网络。为了促进科研合作,提高科研生产率,对金融领域的科研合作推荐模型进行研究。【方法】建立金融领域个人、机构和区域三个层面的科研合作网络,提出一种新的融合基于邻居节点和基于路径的网络特征的科研合作推荐模型,并从个人、机构和区域三个层面进行实证检验。【结果】通过对2000年到2014年刊载的68 905篇金融领域的文章进行分析并构建科研合作网络,在个人、机构和区域三个层面上,基于特征融合的链接预测方法的AUC值分别为84.25%、87.34%和91.84%,均高于基于邻居

高铁调度员的工作负荷与脑力认知资源的占用水平密切相关，过高的工作负荷会影响高铁调度员的工作状态，进而影响高速铁路的运营安全。因此该文设计了一种实时监控高铁调度员工作负荷的实验方法，识别高铁调度员的工作负荷等级，以提示其及时休息或采取相应安全措施。以高铁调度员的主观负荷值、认知资源占用量、工作任务量3项指标为工作负荷的标定指标；以高铁调度工作内容为基础，参照oddball范式，诱发脑电事件相关点位P300成分，并从中提取时域、频域、非线性特征3类指标。以支持向量机为工作负荷识别模型，对脑电信号样本训练集数据进行训练学习，对样本训练集数据的工作负荷等级进行判定，最终得出脑电信号不同特征下的识别精确率、灵敏度数据，以此判定其识别效果。

以认知神经科学领域的脑电技术为例，利用时序分析纵向探索知识的交叉路径，借助共词分析横向探索知识的融合主题，深入挖掘认知神经科学领域与人文社科领域知识的交叉与融合机制，总结跨学科知识交叉融合的内在规律。结果发现，跨学科知识交叉融合可通过一定的技术手段来实现，自1970年至今，脑电技术已促成了认知神经科学与12个人文社科领域交叉融合，且学科交叉数量在1990年后稳步增长；跨学科知识交叉融合一般发生在已有学科研究的薄弱环节，脑电技术的应用恰好弥补了传统人文社科领域对个体认知层面上的决策动机、情绪影响及注意力分配等研究的不足。

【目的】为更精确地识别网民态度,监测网络舆情,提出一种基于SVM多特征融合的情感5级分类方法。【方法】从词性特征、情感特征、句式特征、语义特征4个方面,提取动词、名词、情感词、否定词等14个特征,运用SVM方法对微博情感进行5级分类。【结果】实验结果表明,该方法对情感5级分类的准确率为82.40%,召回率为81.91%,F值为82.10%。【局限】训练语料的规模有待进一步提高。【结论】该方法在情感5级分类方面取得较好的效果。

花卉种类识别作为植物自动分类识别的重要分支,有着很高的研究和应用价值。针对当前花卉特征描述存在的局限和花卉识别准确率较低的实际情况,以花卉图像为研究对象,首先对复杂背景图像采用基于显著性检测的Grab Cut分割算法进行预处理,得到单一背景图像;然后在提取花卉图像花冠(所有花瓣)颜色和形状特征的基础上,创新性地提取花蕊区域的颜色和形状所包含的特征信息,并将提取到的18个特征融合成单一特征向量。以支持向量机(SVM)算法为基础构建分类器,通过实验确定核函数与最佳参数;对360幅自建花卉样本库(24个种类,每

提出一种具有特征级别的领域特征集合的情感资源挖掘方法,将基于HowNet词典的分类法构建的情感特征与基于机器学习的特征分类方法中的无内容特征以及领域特征相融合,并将该集合放入支持向量机中进行情感分类实验,实验结果表明,使用抽取模式以及多特征融合的分类方法,可增强中文情感分类效果,验证两种分类方法综合研究的正确性与有效性,弥补目前特征级别的中文情感分类研究的不足。

结合实验与问卷调查方法研究了一种结合眼动和脑电技术的情感测量方法。首先,利用问卷调查和专家访谈方法确定实验对象与实验任务;其次,通过文献研究法选出用于实验的眼动与脑电指标并进行实验,运用PAD情感量表测量被试实验中的情感状态,以情感类别为因子,运用单因素方差分析方法筛选出与情感变化有关的脑电和眼动指标;最后,运用偏最小二乘回归方法建立眼动、脑电指标与情感值之间的关系模型,并通过配对样本T检验验证了模型的有效性和适用性。

【目的】在树种图像识别时会存在类内差异、类间相似的现象,因此导致基于单一人工特征的传统识别方法难以达到理想的识别效果。针对这一问题,本文基于卷积神经网络,提出一种将图像深层特征和人工特征融合的树种图像深度学习识别方法。【方法】将6类常见树种(樟子松、山杨、白桦、落叶松、雪松和白皮松)图像作为研究对象。首先,通过裁剪、水平翻转、旋转等操作,对原始树种图像集进行数量扩增,并划分为训练集和测试集,建立本次树种识别实验的图像库;其次,将本文模型设计为3路并列网络,分别选取RGB图像、HSV图像、LBP-HOG图像,从图像像素、色彩、纹理和形状的角度出发,对上述树种图像进行识别。一方面构建适合本文实验的CNN深度学习模型,将训练集样本中RGB图像和相对应的HSV图像作为第1路和第2路CNN模型的输入,进行树种图像深层特征提取;另一方面,对训练集进行高斯滤波去噪和人工提取LBP-HOG特征来代表纹理、形状特征,作为第3路CNN模型的输入。然后,将3路模型各自得到的特征在最后一层全连接层进行汇总,作为softmax分类器的最终分类依据。最后,为检验本文方法的可行性,利用上述特征和训练集对SVM分类器、BP神经网络以及现有的深度学习LeNet-5模型、VGG-16模型进行训练,对测试集进行识别验证,来比较最终的识别效果。【结果】本文提出的多特征融合CNN模型,训练准确率为96.13%,平均验证识别准确率为91.70%。基于单路训练的CNN树种识别模型中,RGB图像作为训练输入值时,识别率最高,为75.21%,HSV特征识别率次之,LBP-HOG特征最差;多特征融合情况下,基于RGB+H通道+LBP条件下,验证识别准确率最高,达到93.50%;RGB+HSV+LBP+HOG组合识别率不增反降,识别率为89.50%。同样的特征或特征组合条件下,SVM、BP神经网络、LeNet-5模型和VGG-16模型所获得的识别率均低于本文模型的识别率。【结论】基于RGB+H通道+LBP特征融合条件下,运用3路并列CNN模型,对本文6类树种图像进行识别的识别率最高,克服了在单一特征情况下识别率低的问题,识别效果也非常理想,实现了从大量不同树种图像中自动识别出具体类别。

搞清流域工业点源的空间分异特征,可为水环境整治与工业规划提供参考依据。采用工业污染源普查数据建立污染源信息数据库,在GIS技术、密度分析法与ESDA方法支撑下,探析江苏淮河流域工业点源与工业污染负荷空间格局与特征。结果显示:工业点源集聚于城市、县城及专业乡镇,污染行业地域分异现象显著,其中,河流、港口及临湖地区成为高负荷工业点源集聚地区,化工、造纸、化纤与医药等行业的工业集中于临海、临河及临湖地区,饮料制造业、副食品加工业点源集中于工业化水平较低的北部流域的少数乡镇,工业氨氮多数来自化工业。在不同工业化水平下,工业污染负荷空间差异大,南部流域负荷整体水平高于北部,北部流域高负荷区分布于少数乡镇...

文章通过分析传统关键词提取方法的特点和存在的问题,提出基于多特征融合的中文文本关键词提取方法。该方法通过融合中文文本词语的频率、关联度、词性以及位置多种特征,有效避免了传统关键词提取方法产生的偏差。实验结果表明,该方法在不同测试集上与传统方法相比关键词提取的平均召回率均得到明显提升。

命名实体链接是利用知识库进行命名实体消歧,将文本中的实体指称映射至知识库中正确义项的一种方法。现有的命名实体链接研究与实践多利用维基百科实现西文实体的消歧,缺乏对中文命名实体消歧的研究。本文以百度百科作为基础知识库,提出了一种中文命名实体链接方法,该方法融合了单实体消歧和多实体消歧特征,并根据不同文本长度选用不同的特征组合,同时,在传统一阶段式消歧的基础上添加了第二阶段消歧以改善消歧结果。在真实中文语料上的实验表明,多特征叠加和两段式消歧可较大程度地提升消歧准确率。对比实验显示,本文提出的命名实体链接方法的总体性能优于当前主流同类系统的水平。

脑力负荷是影响复杂核电调试作业绩效和安全的重要因素，有效评估脑力负荷对提高作业绩效、保障作业安全有重要意义。本研究基于四个不同难度等级的典型调试值班作业任务开展人因学实验，采集了任务执行过程中操作人员的脑电指标、眼动指标与主观脑力负荷指标。对所采集的指标进行了显著性分析，并提出了基于数据组合处理（Group Method of Data Handling，GMDH)算法的脑力负荷评估方法。结果表明：随着任务难度的增加，主观脑力负荷得分显著提高。不同任务难度下，眨眼次数、眨眼时间、眨眼频率、注视次数、扫视次数、瞳孔直径存在显著差异，但脑电指标没有显著差异。基于脑电和眼动指标的GMDH算法可以区分不同调试作业任务难度下的脑力负荷，四分类预测准确率达到76.5%。研究结果可为核电厂调试值班作业任务的工作设计和工效评估提供重要参考依据。

文章基于认知负荷理论与认知负荷二维结构模型,以购物网站的网站复杂度为出发点,从认知负荷的角度探究网站复杂度对消费者购买意愿的影响,并引入了个体差异变量认知需求,建立了网站复杂度、认知负荷、认知需求与消费者购买意愿间的理论模型。实证分析结果表明,网站复杂度与认知负荷对消费者购买意愿有着显著地负向影响;认知需求在网站复杂度与认知负荷间起到负向调节作用;认知负荷在网站复杂度与购买意愿间存在部分中介作用。

[目的/意义]多模态舆情表征是多模态舆情计算与分析的基础。文章探索了一种赋予不同模态特征动态权重的舆情表征算法，可以更精准地捕捉到模态之间的依赖关系，极大降低多模态舆情表征复杂度，减少算力资源消耗。[方法/过程]SEFusion-MPOR算法在预训练模型特征的基础上，通过全连接层、门控机制与激活函数构建了压缩与激活算子，获取各模态的动态权重，使用矩阵相乘将动态权重作用于相应模态，进而构建了多模态特征融合的网络舆情表征算法。[结果/结论]在Memotion 3与MVSA-multiple两个公开的多模态舆情数据集上进行实验，与基线模型的对比表明，文章提出的表征方法在多个子任务中取得了最优结果。该方法仅通过简单操作，就达到了复杂表征算法的效果，且具有可解释性与外推性。其高效和准确的表征方法不仅适用于舆情情报处理，也适合情报分析工作中的通用多模态信息基础表征。[局限]研究验证仅限于双模态数据集，未涉及更广泛模态的数据集。