-
公开(公告)号：CN111832416A
公开(公告)日：2020-10-27
申请号：CN202010547741.7
申请日：2020-06-16
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于增强卷积神经网络的运动想象脑电信号识别方法。本发明首先采集大脑皮层上对应电极通道的运动想象脑电信号数据并预处理；将预处理信号进行时序切片，增加训练数据量，提高CNN模型的泛化能力，减少不同受试者的运动想象特征提前或是滞后的影响；采用STFT对信号进行时频分析，将时序信号转化为具有时、频、空域特征的二维图像数据；构建CNN模型，加入改进的Adaboost算法，将参数训练后的多个CNN模型作为Adaboost模块基学习器，模型会根据基学习器分类误差率自动更新基学习器，进一步增强CNN模型的泛化能力，减少各时间片之间的信息冗余影响，使测试分类准确率偏差减小，分类准确率提高。
-
公开(公告)号：CN111832431B
公开(公告)日：2024-12-10
申请号：CN202010582404.1
申请日：2020-06-23
Applicant: 杭州电子科技大学
IPC: G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于CNN的情绪脑电分类方法。本发明采用连续情绪维度模型中的Russell情绪维度模型为基准，使用DEAP数据集作为样本，对其中的情绪脑电进行基线移除，再进行数据归一化，提取脑电三个频带的皮尔逊系数，将其转换2D图片格式，以实验为单位通过SBS筛选有价值用来情绪脑电分类的实验，并将筛选后的实验数据输入CWAGAN‑GP进行数据增强以此补充训练集，再以帧的形式输入集成卷积神经网络。该方法可以有效地对情绪脑电信号进行分类，提供了可观的分类精度，并且以帧形式输入集成卷积神经网络的操作可以有效防止卷积神经网络过拟合。
-
公开(公告)号：CN111832416B
公开(公告)日：2024-07-09
申请号：CN202010547741.7
申请日：2020-06-16
Applicant: 杭州电子科技大学
IPC: G06F18/213 , G06F18/24 , G06F18/214 , G06F18/241 , G06F18/25 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , G06N20/20
Abstract: 本发明公开了一种基于增强卷积神经网络的运动想象脑电信号识别方法。本发明首先采集大脑皮层上对应电极通道的运动想象脑电信号数据并预处理；将预处理信号进行时序切片，增加训练数据量，提高CNN模型的泛化能力，减少不同受试者的运动想象特征提前或是滞后的影响；采用STFT对信号进行时频分析，将时序信号转化为具有时、频、空域特征的二维图像数据；构建CNN模型，加入改进的Adaboost算法，将参数训练后的多个CNN模型作为Adaboost模块基学习器，模型会根据基学习器分类误差率自动更新基学习器，进一步增强CNN模型的泛化能力，减少各时间片之间的信息冗余影响，使测试分类准确率偏差减小，分类准确率提高。
-
公开(公告)号：CN111832431A
公开(公告)日：2020-10-27
申请号：CN202010582404.1
申请日：2020-06-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于CNN的情绪脑电分类方法。本发明采用连续情绪维度模型中的Russell情绪维度模型为基准，使用DEAP数据集作为样本，对其中的情绪脑电进行基线移除，再进行数据归一化，提取脑电三个频带的皮尔逊系数，将其转换2D图片格式，以实验为单位通过SBS筛选有价值用来情绪脑电分类的实验，并将筛选后的实验数据输入CWAGAN-GP进行数据增强以此补充训练集，再以帧的形式输入集成卷积神经网络。该方法可以有效地对情绪脑电信号进行分类，提供了可观的分类精度，并且以帧形式输入集成卷积神经网络的操作可以有效防止卷积神经网络过拟合。
-
-
-
Search Results
4
records
(took 0.019 seconds)
