-
公开(公告)号：CN113378650B
公开(公告)日：2022-07-12
申请号：CN202110546546.7
申请日：2021-05-19
Applicant: 重庆邮电大学
Abstract: 本发明涉及信号特征提取领域，特别涉及一种基于脑电源成像和正则化共空间模式的情绪识别方法，包括采集脑电信号并进行预处理；通过搭建脑电源成像，重构大脑皮层神经电活动；通过最小模算法，重构的EEG时间序列被投影到Brodman分区上，Brodman分区包括26个空间感兴趣的区域，利用26个空间感兴趣的区域互信息构建脑功能连接矩阵；基于脑功能连接矩阵采用正则化的方式构建泛化样本的协方差矩阵，提取特征向量；将历史数据的特征输入分类器进行训练，并将待分类数据的特征向量输入分类器获得脑电情绪分类；本发明减少了估计偏差，提高了估计稳定性，最终分类出的结果准确率提高。
-
公开(公告)号：CN114327048A
公开(公告)日：2022-04-12
申请号：CN202111485852.0
申请日：2021-12-07
Applicant: 重庆邮电大学
Abstract: 本发明属于脑机接口领域，具体涉及一种基于脑电信号和眼电信号的机械臂控制方法及系统，包括：首先处理采集的运动想象离线数据，采用LWT‑CSP方法对信号特征提取，并通过SVM算法生成离线分类模型；利用分析采集到的单次和双次眼电信号的峰值，为眼电信号设置合适峰值阈值；通过分阶段的方式融合眼电和脑电信号实现了二分类运动想象多种控制指令的生成；用户使用运动想象脑电和眼电信号控制机械臂运动；本发明为丧失上肢活动功能的患者控制辅助机械臂提供了新的控制方式，使其可控制机械臂运动。
-
公开(公告)号：CN108921188B
公开(公告)日：2020-11-17
申请号：CN201810500016.7
申请日：2018-05-23
Applicant: 重庆邮电大学
IPC: G06K9/62 , G06N20/00 , G06F16/182 , G06F16/27
Abstract: 本发明请求保护一种基于Spark大数据平台的并行CRF算法，涉及数据挖掘技术和自然语言处理技术。首先，读取大规模数据集，进行数据初始化处理，将数据集划分为训练集和测试集。其次，获取特征模板，创建分布式训练数据集RDD和分布式特征模型RDD。再次，利用flatMap特征模型将训练数据转换成特征，通过整合相同的特征得到特征RDD，从而生成并行特征。然后，通过梯度计算更新特征权值，直到所有训练数据RDD更新完成，得到特征权值向量。最后，从HDFS上读取训练好的模型数据和测试数据，将测试数据执行特征抽取操作，利用特征权值向量计算得到最优预测标记序列，将输出存在HDFS中。本发明提高了CRF算法的高迭代效率。
-
公开(公告)号：CN108921188A
公开(公告)日：2018-11-30
申请号：CN201810500016.7
申请日：2018-05-23
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于Spark大数据平台的并行CRF算法，涉及数据挖掘技术和自然语言处理技术。首先，读取大规模数据集，进行数据初始化处理，将数据集划分为训练集和测试集。其次，获取特征模板，创建分布式训练数据集RDD和分布式特征模型RDD。再次，利用flatMap特征模型将训练数据转换成特征，通过整合相同的特征得到特征RDD，从而生成并行特征。然后，通过梯度计算更新特征权值，直到所有训练数据RDD更新完成，得到特征权值向量。最后，从HDFS上读取训练好的模型数据和测试数据，将测试数据执行特征抽取操作，利用特征权值向量计算得到最优预测标记序列，将输出存在HDFS中。本发明提高了CRF算法的高迭代效率。
-
公开(公告)号：CN118820844A
公开(公告)日：2024-10-22
申请号：CN202410807272.6
申请日：2024-06-21
Applicant: 重庆邮电大学
IPC: G06F18/24 , G06F18/213 , G06N3/0442 , G06N3/0455 , G06F18/25
Abstract: 本发明属于多模态情感识别和对话系统领域，涉及一种基于关系子图交互的多模态对话动态情感识别方法，包括：获取多模态对话数据集；将多模态对话数据集的数据输入模态特征提取器提取每个模态的特征，得到文本模态特征、听觉模态特征以及视觉模态特征；将听觉模态特征和视觉模态特征分别输入视听模态编码器，得到最终的听觉模态特征和视觉模态视觉特征；将文本模态特征输入关系子图交互模块，得到最终的文本模态特征；将最终的文本模态特征、听觉模态特征以及视觉模态特征均输入情感分类器，得到情感识别结果；本发明根据情感依赖关系将对话建模为说话者间情感依赖子图和说话者自身情感依赖子图，从而更好地捕捉和理解多元对话场景中的情感动态。
-
Patent Agency Ranking
公开(公告)号：CN117708554A
公开(公告)日：2024-03-15
申请号：CN202311720523.9
申请日：2023-12-14
Applicant: 重庆邮电大学
IPC: G06F18/21 , G06F18/10 , G06F18/213 , G06F18/2415 , G06F18/22 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/096 , G06F3/01
Abstract: 本发明属于脑机接口情绪识别领域，具体涉及一种基于通用域适应的跨被试脑电信号情绪识别方法，包括：获取用户在观看不同情绪的视频片段时的脑电信号，对脑电信号进行预处理；将预处理后的脑电数据划分为源域数据和目标域数据；将源域数据和目标域数据均输入特征提取器进行特征提取，得到源域特征和目标域特征；将源域特征和目标域特征作为输入，通过对抗域鉴别器得到与个体无关的特征分布，用非对抗域鉴别器衡量数据与两个域之间的相似度，最后用分类器对数据进行情绪识别；本发明能对不同分布的数据进行域对齐，减小域之间的差异，能够很好的提升跨被试的分类效果。
-
公开(公告)号：CN116152372A
公开(公告)日：2023-05-23
申请号：CN202310093167.6
申请日：2023-02-07
Applicant: 重庆邮电大学
Abstract: 本发明属于生物医学成像领域，具体涉及一种基于Laplace噪声和Wasserstein正则的多试次EEG源成像方法，包括：进行数据收集及处理，计算头模型得到导联矩阵和差分算子，根据皮层源的位置得到源的最小距离矩阵；然后将EEG信号投影到TBF空间；再构建多试次EEG源成像方法模型；计算多试次源，将得到的估计源从TBF空间还原并成像。本发明通过最小化多试次源与Wasserstein重心之间的Wasserstein距离来加强多试次源的空间相似性约束，降低了多试次EEG信号不稳定的影响；结合Laplace噪声和Wasserstein正则，使EEG源成像的时空分辨率高、尺寸估计准、鲁棒性强。
-
公开(公告)号：CN113378650A
公开(公告)日：2021-09-10
申请号：CN202110546546.7
申请日：2021-05-19
Applicant: 重庆邮电大学
Abstract: 本发明涉及信号特征提取领域，特别涉及一种基于脑电源成像和正则化共空间模式的情绪识别方法，包括采集脑电信号并进行预处理；通过搭建脑电源成像，重构大脑皮层神经电活动；通过最小模算法，重构的EEG时间序列被投影到Brodman分区上，Brodman分区包括26个空间感兴趣的区域，利用26个空间感兴趣的区域互信息构建脑功能连接矩阵；基于脑功能连接矩阵采用正则化的方式构建泛化样本的协方差矩阵，提取特征向量；将历史数据的特征输入分类器进行训练，并将待分类数据的特征向量输入分类器获得脑电情绪分类；本发明减少了估计偏差，提高了估计稳定性，最终分类出的结果准确率提高。
-
公开(公告)号：CN109582706A
公开(公告)日：2019-04-05
申请号：CN201811353720.0
申请日：2018-11-14
Applicant: 重庆邮电大学
IPC: G06F16/2458
Abstract: 本发明请求保护一种基于Spark大数据平台的邻域密度不平衡数据混合采样方法，涉及计算机信息获取和处理技术。本发明通过Spark将数据存储到RDD中，经过归一化处理后，依据邻域密度，结合三支决策理论，将RDD划分到正域空间，负域空间和边界域空间，再对边界域的数据采用SMOTE算法采样，对负域的数据采用混合采样算法进行采样,最后将三个域中的数据合并得到最终的数据集。通过将每个数据划分到不同的域，并针对不同域的特性进行处理，可以适当的增加少数类数据，同时适当减少多数类数据。最后调用MLLib算法库，使用机器学习分类器评估效果。该方法可以有效的减缓不平衡数据的类间比例不平衡问题，提升算法的精度。
-
公开(公告)号：CN107958266A
公开(公告)日：2018-04-24
申请号：CN201711164678.3
申请日：2017-11-21
Applicant: 重庆邮电大学
CPC classification number: G06K9/6223 , G06F9/546
Abstract: 本发明请求保护一种基于MPI并行将连续属性进行离散化的方法，涉及粗糙集，离散化，并行计算，聚类等概念。首先，读取信息系统的数据，将信息系统水平划分为m个样本数据子集，通过通信分配给n个节点；其次，每个节点并行对数据进行归一化处理，得到新的数据，再并行对属性进行聚类，通过通信合并聚类结果；最后根据聚类结果进行区间划分，并对不同的区间进行属性编码，从而得到连续属性离散化的结果，构造出属性离散化后的信息系统，从而能利用粗糙集知识进行属性约简等后续工作。本发明结合了粗糙集连续属性离散化方法和MPI并行计算，从而使得连续属性离散化过程可以并行求得，提高算法的效率。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.023 seconds)
