-
公开(公告)号：CN114330753A
公开(公告)日：2022-04-12
申请号：CN202111680497.2
申请日：2021-12-29
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于领域泛化的脑电度量迁移学习方法，以脑电信号为研究对象，基于现有的度量迁移学习方法，进一步引入领域泛化思想以增强模型的泛化能力。本发明拟研究核表征学习方法，结合整体散度、域间散度、类内散度、类间散度四个方面，寻找能使类间散度和整体散度最大化、类内散度和域间散度最小化的特征变换矩阵。本发明的研究方法和取得的成果可进一步丰富脑电信号识别算法内容，具有广泛的应用价值。
-
公开(公告)号：CN114282616A
公开(公告)日：2022-04-05
申请号：CN202111614564.0
申请日：2021-12-27
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于度量的几何对齐迁移学习的脑电信号分类方法。度量学习用来分析已标记样本及其近邻样本的关系，度量二者之间的相似性。首先，利用两个投影矩阵将源域样本和目标域样本映射到共享子空间中，同时进行边缘概率分布对齐和条件概率分布对齐，最小化源域和目标域的距离来减小分布差异，并且通过拉普拉斯矩阵保持局部结构；然后，在共享子空间中对已有标签的源域样本采用马氏距离度量计算度量矩阵，使得类内距最小和类间距最大；最后，得出优化目标。本发明在脑电信号处理、脑机接口系统中具有广阔的应用前景。
-
公开(公告)号：CN114027857A
公开(公告)日：2022-02-11
申请号：CN202111578460.9
申请日：2021-12-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于脑电信号测量运动能力的方法。本发明使用脑功能网络和样本熵，分别检验在伪刺激和两种刺激范式下被试的不同复杂性和功能连通性，并提取脑网络特征和非线性动力学特征。此外，利用共空间模式算法分析了脑电信号的空间特征，并将其输入支持向量机模型中进行分类识别，以此评估运动康复的效果。本发明提高了关于经颅直流电刺激对运动康复评估的准确性和科学性。
-
公开(公告)号：CN112617858A
公开(公告)日：2021-04-09
申请号：CN202011383022.2
申请日：2020-12-01
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种多尺度补偿传递熵的皮层肌肉功能耦合方法。本发明首先采用APIT‑MEMD方法对同步采集的脑电和肌电信号进行时‑频尺度化，然后计算不同尺度上的多尺度补偿传递熵值，分析各个尺度不同耦合方向上的耦合特征。结果表明在恒定握力下，beta频段间的耦合强度最为显著。不同耦合方向的耦合强度随握力的增加会呈现出一定的变化规律。本发明可以定量描述脑肌电信号在不同的耦合方向、多尺度间的皮层功能耦合强度及信息传递量，为探究手部运动控制及患者评价提供一定的理论依据。
-
公开(公告)号：CN112232301A
公开(公告)日：2021-01-15
申请号：CN202011278653.8
申请日：2020-11-16
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于多尺度Copula互信息的肌间耦合网络分析方法。本发明将多元变分模态分解（MVMD）与Copula互信息相结合，构建了基于MVMD‑Copula互信息的肌间耦合网络模型，从复杂网络的角度，通过节点强度、聚类系数、路径长度等网络参数分析了伸手运动过程中上肢8块肌肉在不同时频尺度上的肌间耦合特性。实验结果表明，在分解出的6个时频尺度上，肌间耦合特性存在明显区别。上述结果体现了肌间耦合网络具有尺度差异性，MVMD‑Copula互信息能够定量刻画多尺度肌间耦合强度关系，具有良好的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN111931606A
公开(公告)日：2020-11-13
申请号：CN202010715642.5
申请日：2020-07-23
Applicant: 杭州电子科技大学
IPC: G06K9/00 , G16H20/30 , A61B5/04 , A61B5/0488
Abstract: 本发明公开一种基于混合Copula互信息的肌间耦合分析方法。本发明首先采用4种典型的单参数Copula函数建立混合Copula模型，然后利用惩罚似然函数的期望最大化(EM)和拟牛顿(BFGS)算法估计模型参数，再根据信息熵理论构造混合Copula互信息，最后将混合Copula互信息用于研究卒中后上肢及物运动时肱二头肌(BB)和肱三头肌(TB)在α、β和γ频段上的肌间耦合强度。本发明提出的混合Copula互信息不仅能度量肌间非线性耦合强度大小，而且还能全面刻画肌间依赖结构关系，对上肢运动功能评价具有良好的应用价值。
-
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：CN111708983A
公开(公告)日：2020-09-25
申请号：CN202010715643.X
申请日：2020-07-23
Applicant: 杭州电子科技大学
IPC: G06F17/16 , G06F17/18 , A61B5/0488 , A61B5/04
Abstract: 本发明公开了一种卒中后上肢肌间协同耦合分析方法，本发明首先进行上肢运动过程中多通道表面肌电信号的同步采集和预处理；然后对预处理后的数据进行非负矩阵分解；通过预先设置分解层数，将分解后的两个矩阵和相乘，得到重构数据矩阵，计算解释性方差；再判断协同与非协同关系；最后计算相干性度量不同频段的肌间耦合强度。本发明从运动的产生与执行角度，探讨肌肉协同模型中协同肌的耦合强度差异，能够为卒中患者运动康复过程提供生理依据。
-
公开(公告)号：CN108593557B
公开(公告)日：2020-08-11
申请号：CN201810205703.6
申请日：2018-03-13
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于TE‑ANN‑AWF移动污染源遥测误差补偿方法，本发明利用TE传递熵对干扰与测量结果进行因果相关性分析，从而确定测量误差来源以及衡量多干扰间不平衡程度，并利用TE传递熵的方向性引出非显著因果关系的量化标准和判定方法。提出了虚拟观测方法来实现单元观测序列的多元解构，通过ANN误差预测模型实现单干扰通道虚拟观测序列的补偿，再采用多元自适应加权融合方法对补偿后的多元虚拟观测序列进行融合重构。针对融合算法中的权值收敛问题，模型中引入了指数遗忘的方法将TE良好的权值预估能力和AWF的权值自适应调整的优点相结合，改善了误差补偿过程的动态性能。
-
公开(公告)号：CN111184509A
公开(公告)日：2020-05-22
申请号：CN201911196894.5
申请日：2019-11-29
Applicant: 杭州电子科技大学
IPC: A61B5/0476 , A61B5/00
Abstract: 本发明公开了一种基于传递熵的情绪诱导脑电信号分类方法，首先采集在不同情绪类型的视听觉刺激时的多通道脑电信号，并对其进行预处理。然后选择Fp1，Fp2，P3，P4，C3，C4，O1，O2，F3，F4这10个通道的脑电信号使用传递熵的相关算法构建通道之间的传递熵关系矩阵图，通过方向梯度直方图对生成的传递熵矩阵关系图进行特征提取。最后使用核函数为径向基函数的支持向量机对提取的特征进行训练和分类，根据不同的情感状态对脑电信号进行分析和分类。本发明可以全面、准确、快速的反映在情绪刺激时不同通道之间的信息交互，成为之后的分类和分析的基础，减少了特征冗余，提高了分类准确率并减少分析时间。
-
-
-
-
-
-
-
-
-
Search Results
214
records
(took 0.034 seconds)
