腦機交互的多模態疲勞駕駛檢測系統

本系統通過獲取駕駛員的腦電信號(EEG)、眼電信號(EOG)、握力信號和Kinect圖像，從生理信號和行為特征中提取與疲勞相關的特征，利用機器學習方法建立疲勞檢測模型，實現駕駛員疲勞狀態的度量與預測。與傳統的基于視頻的疲勞檢測方法相比，本系統可提高疲勞檢測的精度和可靠性。本系統不僅能為高鐵司機和長途客車司機提供一種準確、可靠的疲勞狀態檢測技術，而且可以應用于任何需要對操作人員的疲勞狀態進行實時檢測的任務。

基于腦電的腦機交互技術與腦功能康復訓練平臺

本系統利用腦機交互技術讀取腦皮層肢體運動意向，從視覺、聽覺和觸覺通道進行神經反饋，通過功能電刺激促使肢體產生運動，從而建立主動肢體運動控制環路，提高運動功能康復效果。該系統具有腦電模式識別模塊、在線可視化監護模塊、系統自適應模塊、多模態神經反饋系統，在臨床實驗驗證了該系統對腦卒中病人腦運動功能康復有明顯效果。

認知型智能人機口語對話系統

本系統采用了大詞匯連續語音識別、參數化統計合成、統計語義理解，以及基于上下文和情境的推理和對話管理技術，構建了能夠實時反饋的，具有自適應和糾錯能力的智能人機口語對話系統。該系統原型曾在CMU組織的首屆國際口語對話系統挑戰賽中獲得可控測試的冠軍。相關的語音識別、合成、理解、及對話控制等技術已經面向移動互聯應用產業化，提供云端服務，得到國內主要的獨立手機語音助手和語音應用開發者的廣泛使用。應用開發者的廣泛使用。

代表性論文：

1.Xiao-Lin Wang, Hai Zhao, and Bao-Liang Lu, A Meta-Top-down Method for Large-scale Hierarchical Classification. IEEE Trans. on Knowledge and Data Engineering, 2013

2.Qibin Zhao, Cesar F. Caiafa, Danilo P. Mandic, Zenas C. Chao, Yasuo Nagasaka, Naotaka Fujii, Liqing Zhang and Andrzej Cichocki, Higher-Order Partial Least Squares (HOPLS): A Generalized Multi-Linear Regression Method, IEEE Trans. on Pattern Analysis and Machine Intelligence, 2013.

3.Shusen Wang and Zhihua Zhang. Improving CUR Matrix Decomposition and the Nystrom Approximation via Adaptive Sampling. Journal of Machine Learning Research, 2013.

4.Xin Shu, Yao Gao, and Hongtao Lu, Efficient linear discriminant analysis with locality preserving for face recognition, Pattern Recognition, 2012.

5.K. Yu and S. Young, Continuous F0 modelling for HMM based statistical parametric speech synthesis, IEEE Trans. on Audio, Speech and Language Processing, 2011.

總結

以上是生活随笔為你收集整理的计算机信息科学蔺泽浩,上海交通大学计算机科学与工程系(CSE)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。