-
公开(公告)号：CN112130668A
公开(公告)日：2020-12-25
申请号：CN202011031460.2
申请日：2020-09-27
Applicant: 杭州电子科技大学
IPC: G06F3/01 , A61B5/00 , A61B5/0488
Abstract: 本发明公开了一种R藤Copula互信息的肌间耦合分析方法。本发明首先进行多通道表面肌电信号的同步采集与预处理，其次利用非参数核密度估计边际分布函数，再进行R藤Copula的简单矩阵表示及参数估计，同时估计R藤Copula互信息和R藤Copula条件互信息；最后进行肌间耦合分析。本发明提出的RVCMI和RVCCMI为肌间耦合分析提供了一种新的研究方法和科学的理论依据，具有良好的应用前景。
-
公开(公告)号：CN110163108B
公开(公告)日：2020-12-08
申请号：CN201910329213.1
申请日：2019-04-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于双路径特征融合网络的鲁棒声呐目标检测方法。传统图像处理方法使用图像分割的方法将背景和目标区分；本发明如下：一、搭建双路径特征融合网络。二、对步骤1所得的双路径特征融合网络进行训练。三、声呐图像的生成和特征提取。四、结合默认框进行声呐图像目标框的分类和检测。本发明将深度学习技术融入到目标检测中，将声呐数据生成的声呐图像输入网络模型中，在模型中一次性完成特征提取、目标检测、目标分类，从而大大提高检测速度。本发明可以提取到更多的深层次特征，从根本上优化了目标分类，回归。本发明采用多尺度密集相连，以融合多层次特征，提升中小目标检测效果。
-
公开(公告)号：CN110135244B
公开(公告)日：2020-11-17
申请号：CN201910261637.9
申请日：2019-04-02
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于脑‑机协同智能的表情识别方法。本发明主要采用两层卷积神经网络提取人脸表情的图像视觉特征，以及多个门控循环单元提取观看表情时诱发的脑电情感特征，并通过随机森林回归模型建立两种特征之间的映射关系，最后采用K‑近邻分类器对回归模型得到的预测脑电情感特征进行表情的分类。本发明包括数据采集、数据预处理、图像视觉特征提取、脑电情感特征提取、特征映射和表情分类。表情分类结果表明：采用预测的脑电情感特征得到了较好的分类结果。与传统的图像视觉方法相比，基于脑‑机协同智能的表情识别，是一种很有前景的情感计算方法。
-
公开(公告)号：CN110135244A
公开(公告)日：2019-08-16
申请号：CN201910261637.9
申请日：2019-04-02
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于脑-机协同智能的表情识别方法。本发明主要采用两层卷积神经网络提取人脸表情的图像视觉特征，以及多个门控循环单元提取观看表情时诱发的脑电情感特征，并通过随机森林回归模型建立两种特征之间的映射关系，最后采用K-近邻分类器对回归模型得到的预测脑电情感特征进行表情的分类。本发明包括数据采集、数据预处理、图像视觉特征提取、脑电情感特征提取、特征映射和表情分类。表情分类结果表明：采用预测的脑电情感特征得到了较好的分类结果。与传统的图像视觉方法相比，基于脑-机协同智能的表情识别，是一种很有前景的情感计算方法。
-
公开(公告)号：CN105956546A
公开(公告)日：2016-09-21
申请号：CN201610277786.0
申请日：2016-04-28
Applicant: 杭州电子科技大学
CPC classification number: G06K9/00885 , G06F3/015 , G06K9/6267 , G06K2009/00939
Abstract: 本发明公开了一种基于脑电信号的情绪识别方法。本发明包括如下步骤：步骤1、脑电信号的采集：采用多通道脑电采集设备采集被试脑电信号；步骤2、脑电信号的预处理：对步骤1所得的脑电信号进行预处理，以减少尾迹干扰，提高最终分类识别率；预处理包括降低采样率，去除基线数据，进行不同频段带通滤波等；步骤3、计算相位同步特征；步骤4、采用主成分分析对相位同步特征向量降维；步骤5、对降维后的相位同步特征向量通过稀疏表达的分类器进行分类。本发明从相位的角度出发，利衡量两个通道同一时间窗口的相位同步性，得到脑电信号的相位同步特征，得到较好的情绪分类识别效果。
-
Patent Agency Ranking
-
公开(公告)号：CN119784938A
公开(公告)日：2025-04-08
申请号：CN202411831526.4
申请日：2024-12-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于相机光度优化的三维场景重建方法。该方法首先对同一个场景的多张图像通过辐射场模型进行表征，然后引入深度正则化方法，抑制显著偏离物体表面的点，缓解过拟合问题，得到对应视角下的投影图像。然后考虑相机镜头受到灰尘、污渍、他干扰物或雾化的影响导致的失真建立了外部光度模型，考虑受晕影和传感器非均匀性影响的内部失真问题建立了内部光度模型。通过对辐射场表征参数和相机光度模型参数的优化，能够在三维重建过程中估计相机光度参数，使得本方法相较于现有技术可以在相机光度失真情况下分离得到相机光度失真与鲁棒性更强的高质量三维场景，特别是在成像退化条件下，也能实现高质量的3D场景表示。
-
公开(公告)号：CN118968560A
公开(公告)日：2024-11-15
申请号：CN202411144440.4
申请日：2024-08-20
Applicant: 杭州电子科技大学
IPC: G06V40/10 , G06N3/045 , G06N3/0475 , G06N3/094 , G06V10/82 , G06V10/764 , G06V10/44 , G06V10/774 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了一种单源域适应跨时段脑纹识别方法，该跨时段脑纹识别方法通过数据对齐处理受试者的数据，并使用域鉴别器对抗模块和关联域自适应模块来构建跨时段脑纹识别模型，能够在只有一个时段的脑电数据作为源域的情况下，仍能识别不同时段的脑电信号，解决了传统脑纹识别中跨时段数据泛化能力较弱和脑电标记数据不足的问题；同时，该跨时段脑纹识别方法采用的数据对齐方式并不需要被试标签，而是直接在原有脑电数据上进行变换，使其适应这些变化并提取域不变特征，从而实现单源域适应跨时段脑电信号的身份预测。此外，该跨时段脑纹识别方法引入自注意力机制来识别关键特征，减少对冗余信息的过度响应，从而提高特征的鲁棒性。
-
公开(公告)号：CN118297053A
公开(公告)日：2024-07-05
申请号：CN202410485156.7
申请日：2024-04-22
Applicant: 杭州电子科技大学
IPC: G06F40/253 , G06F40/30 , G06N3/0475 , G06N3/0455 , G06N3/094 , G06F18/25
Abstract: 本发明公开一种基于标签嵌入的多模态多标签情感分析方法及系统。首先获取文本、音频和视频三种模态特征序列以及标签嵌入，通过对抗式多模态细化模块得到它们的公有特征序列和以及各自的私有特征序列。然后将公有特征序列和私有特征序列以及标签嵌入输入到训练好的情感标签预测模块中，得到待预测对象的情感预测结果。本发明采用Transformer编码器进行单一模态特征提取，并且采用了对抗生成器进一步将模态特征细化，为了更加细粒度地融合多模态特征，还采用了跨模态编码器，还有为了充分探索标签和模态之间联系，引入了标签引导解码器，克服了模态和标签交互不足的问题，并且还能提高多模态多标签情感分析的准确率。
-
公开(公告)号：CN118260672A
公开(公告)日：2024-06-28
申请号：CN202410462478.X
申请日：2024-04-17
Applicant: 杭州电子科技大学
IPC: G06F18/2415 , G06F18/213 , G06F3/01 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/094 , A61B5/369 , A61B5/00 , A61M21/00
Abstract: 本发明公开了一种基于多被试数据合并对抗训练的运动想象解码方法，该解码方法采用多被试数据合并对抗训练运动想象分类模型，交替使用正向训练与逆向训练来训练运动想象分类模型，使模型专注于运动想象任务的特征提取，在跨时段和跨被试方面具有更好的鲁棒性，解决了多被试合并训练运动想象分类模型时准确率较低的问题，有效地提高多被试数据合并时的训练效果，在现实应用如卒中康复当中更具实用性；同时，本发明拓宽了模型训练数据的获取来源，减少了单个被试需要采集的数据量，能够缓解脑电数据采集困难，训练样本匮乏的问题；同时，与传统一对一的模型训练方式相比，本发明的分类准确率较高。
-
-
-
-
-
-
-
-
-
Search Results
161
records
(took 0.026 seconds)
