-
公开(公告)号：CN113392259B
公开(公告)日：2022-11-29
申请号：CN202110528102.0
申请日：2021-05-14
Applicant: 深圳航天科技创新研究院 , 哈尔滨工业大学
Abstract: 本发明公开了一种声音刺激样本选择方法、控制设备及存储介质，声音刺激样本选择方法包括：获取若干声音刺激样本，并根据声音刺激样本的时长和预设时长范围确定初选声音刺激样本；获取若干初选声音刺激样本的起始点，并将初选声音刺激样本根据起始点对齐；计算对齐后的初选声音刺激样本的原始响度，根据预设响度范围和原始响度调整初选声音刺激样本的响度；将调节响度后的初选声音刺激样本进行趋势分类以确定样本类别；计算调节后若干初选声音刺激样本的特征相似度以得到样本相似度；根据用户预设要求选取所述样本类别、所述样本相似度对应的所述初选声音刺激样本。本发明无需人工操作，提高声音刺激样本选择的准确性和效率。
-
公开(公告)号：CN114333909A
公开(公告)日：2022-04-12
申请号：CN202111626611.3
申请日：2021-12-28
Applicant: 深圳航天科技创新研究院 , 哈尔滨工业大学
Abstract: 本公开实施例提供一种情感识别方法及其装置、计算机设备、存储介质，属于计算机信息处理技术领域，所述方法包括：获取音频信号；对所述音频信号进行分帧处理，得到多个分帧信号，提取多个所述分帧信号的声学特征；根据所述声学特征构建第一特征矩阵；获取所述声学特征对应的情感打分值；根据所述情感打分值构建第二特征矩阵；根据所述第一特征矩阵和所述第二特征矩阵从多个所述声学特征中选择目标声学特征；根据所述目标声学特征构建情感预测模型，根据所述情感预测模型进行情感识别，原理简单，计算量小，音频信号的情感识别无需人工操作，减少了人工对音频的情感标注工作，情感识别的准确率高。
-
公开(公告)号：CN110443194A
公开(公告)日：2019-11-12
申请号：CN201910715343.9
申请日：2019-08-05
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于SPI稀疏约束的时变信号成分提取方法，包括：a)SPI稀疏性能估计指标及包含SPI指标的时变信号成分估计范式，以及b)一种基于上述范式的时变信号成分提取方法，包括数据预处理、系统初始化、稀疏建模与波形字典学习、时变信号单次特定成分估计及新异类目标成分波形发现等五个独立步骤。本发明的优点是，相对于传统方法，具有不依赖统计平稳性或独立性假设的优势，可以获取更可靠的时变信号特定成分字典和时变信号特定成分的盲估计，且具有非监督的发现未知的目标成分的能力，对具备复杂结构和许多未知或未发现成分的时变信号的分析具有广阔的潜在应用价值。适用于各类面向时变信号成分分析和提取的设备和算法的改进。
-
公开(公告)号：CN112603335B
公开(公告)日：2023-10-17
申请号：CN202011593744.0
申请日：2020-12-29
Applicant: 深圳航天科技创新研究院 , 哈尔滨工业大学
Abstract: 本发明公开了一种脑电情感识别方法、系统、设备及存储介质，脑电情感识别方法包括：获取脑电信号，并将脑电信号进行预处理；将预处理后的所述脑电信号进行微状态分析仪得到微状态序列；根据所述微状态序列与预设参数确定所述脑电信号的情感特征；根据所述情感特征和预设特征数据库确定刺激事件的情感属性，所述预设特征数据库包括：所述情感特征与所述刺激事件的情感属性的匹配信息。本发明通过对预处理后的脑电信号进行微状态分析以得到微状态序列，然后根据微状态序列与预设参数确定情感特征，再通过情感特征与预设特征数据库以确定刺激事件的情感属性，使脑电情感识别准确，且识别率提高。
-
公开(公告)号：CN112668717B
公开(公告)日：2023-06-02
申请号：CN202110002440.0
申请日：2021-01-04
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种面向神经网络模型优化的数据处理方法和装置。方法包括：通过计算高阶笛卡尔扩张项，将原有的数据映射到表达能力更强，包含信息更多的高阶笛卡尔扩张空间中。装置包括：输入模块、笛卡尔扩张计算模块和输出模块；输入模块，用于确定并接收用于计算的多维度数据，包括确定输入数据的维度及各维度的数值；笛卡尔扩张计算模块，用于对所述输入模块确定的多维输入数据进行笛卡尔扩张计算；输出模块，根据计算结果，输出用于后续处理的高维度数据。本发明优点在于：在不影响模型效果的前提下降低了后续模型学习的难度，提高了学习效率并提供了分布式并行计算的便利性。
-
Patent Agency Ranking
公开(公告)号：CN112603335A
公开(公告)日：2021-04-06
申请号：CN202011593744.0
申请日：2020-12-29
Applicant: 深圳航天科技创新研究院 , 哈尔滨工业大学
Abstract: 本发明公开了一种脑电情感识别方法、系统、设备及存储介质，脑电情感识别方法包括：获取脑电信号，并将脑电信号进行预处理；将预处理后的所述脑电信号进行微状态分析仪得到微状态序列；根据所述微状态序列与预设参数确定所述脑电信号的情感特征；根据所述情感特征和预设特征数据库确定刺激事件的情感属性，所述预设特征数据库包括：所述情感特征与所述刺激事件的情感属性的匹配信息。本发明通过对预处理后的脑电信号进行微状态分析以得到微状态序列，然后根据微状态序列与预设参数确定情感特征，再通过情感特征与预设特征数据库以确定刺激事件的情感属性，使脑电情感识别准确，且识别率提高。
-
-
公开(公告)号：CN110327043B
公开(公告)日：2022-04-01
申请号：CN201910715578.8
申请日：2019-08-05
Applicant: 哈尔滨工业大学
Abstract: 本发明给出了一种基于稀疏建模的事件相关电位波形图谱求解方法。包括：数据预处理，去燥、分帧和能量归一化；稀疏字典学习，字典初始化，稀疏建模，字典学习和收敛性判断；波形字典聚类；波形字典性质判定。本发明的优点在于：针对数据中固有的事件相关电位活动模式、而非依据认知实验赋予的标签获取ERP波形，不仅可以处理实验环境下的EEG数据，也可以处理没有标签的真实环境下获取的EEG数据，具有更好的普适性和实用性。此外，使用了面向单次、单帧数据处理的信号处理方法，能够有效提升EEG分析处理的灵活性，在脑机接口领域也具有显著的应用前景。
-
公开(公告)号：CN112966753A
公开(公告)日：2021-06-15
申请号：CN202110257323.9
申请日：2021-03-09
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于熵稳定约束的自动数据降维方法，包括以下步骤：步骤1，监测训练过程中网络输入层、隐含层和输出层的熵分布特征；步骤2，依据网络学习目的灵活地组合待分析熵分布特征匹配差异；步骤3，将匹配差异作为惩罚项加入网络整体损失函数中或是特异网络层的梯度项，而后经过多轮迭代后完成数据的降维，以用于后续分析。本发明的优点是：通过将不同神经网络层之间的熵匹配差异作为惩罚项，加入网络的整体损失函数中或是特异网络层的梯度项，达到对网络迭代过程中高维数据内在结构的保持的目的，且提取到的低维数据重建误差更小，还能准确的体现高维数据间的分布特征，保证了在不同网络初始化的条件下，网络编码层的输出趋向一致。
-
公开(公告)号：CN112668717A
公开(公告)日：2021-04-16
申请号：CN202110002440.0
申请日：2021-01-04
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种面向神经网络模型优化的数据处理方法和装置。方法包括：通过计算高阶笛卡尔扩张项，将原有的数据映射到表达能力更强，包含信息更多的高阶笛卡尔扩张空间中。装置包括：输入模块、笛卡尔扩张计算模块和输出模块；输入模块，用于确定并接收用于计算的多维度数据，包括确定输入数据的维度及各维度的数值；笛卡尔扩张计算模块，用于对所述输入模块确定的多维输入数据进行笛卡尔扩张计算；输出模块，根据计算结果，输出用于后续处理的高维度数据。本发明优点在于：在不影响模型效果的前提下降低了后续模型学习的难度，提高了学习效率并提供了分布式并行计算的便利性。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.025 seconds)
