脑机交互的多模态疲劳驾驶检测系统
本系统通过获取驾驶员的脑电信号(EEG)、眼电信号(EOG)、握力信号和Kinect图像，从生理信号和行为特征中提取与疲劳相关的特征，利用机器学习方法建立疲劳检测模型，实现驾驶员疲劳状态的度量与预测。与传统的基于视频的疲劳检测方法相比，本系统可提高疲劳检测的精度和可靠性。本系统不仅能为高铁司机和长途客车司机提供一种准确、可靠的疲劳状态检测技术，而且可以应用于任何需要对操作人员的疲劳状态进行实时检测的任务。
基于脑电的脑机交互技术与脑功能康复训练平台
本系统利用脑机交互技术读取脑皮层肢体运动意向，从视觉、听觉和触觉通道进行神经反馈，通过功能电刺激促使肢体产生运动，从而建立主动肢体运动控制环路，提高运动功能康复效果。该系统具有脑电模式识别模块、在线可视化监护模块、系统自适应模块、多模态神经反馈系统，在临床实验验证了该系统对脑卒中病人脑运动功能康复有明显效果。
认知型智能人机口语对话系统
本系统采用了大词汇连续语音识别、参数化统计合成、统计语义理解，以及基于上下文和情境的推理和对话管理技术，构建了能够实时反馈的，具有自适应和纠错能力的智能人机口语对话系统。该系统原型曾在CMU组织的首届国际口语对话系统挑战赛中获得可控测试的冠军。相关的语音识别、合成、理解、及对话控制等技术已经面向移动互联应用产业化，提供云端服务，得到国内主要的独立手机语音助手和语音应用开发者的广泛使用。应用开发者的广泛使用。
代表性论文：
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.
