-
公开(公告)号：CN101099675A
公开(公告)日：2008-01-09
申请号：CN200710044218.7
申请日：2007-07-26
Applicant: 上海交通大学
Abstract: 一种图像处理技术领域的带有弱分类器的组合系数的人脸检测方法，步骤如下：第一步，对人脸图像进行特征提取，称为人脸图像特征向量，形成样本集合；第二步，使用样本集合构建级联检测器：对于级联检测器的每一级节点，使用提升方法选取基于特征的弱分类器构成集成分类器，并对已构成的集成分类器通过使用组合系数来提高进一步提高分类效率；第三步，最后通过上述构建的级联检测器来实现自动人脸检测。本发明方法能有效提升人脸检测效率。
-
公开(公告)号：CN1264104C
公开(公告)日：2006-07-12
申请号：CN200410066205.6
申请日：2004-09-09
Applicant: 上海交通大学
Abstract: 一种用于智能信息处理技术领域的消除极小极大模块网络冗余的修剪方法，利用训练样本的网络输出值来寻找网络中的冗余模块，即由输出值反向地寻找出具有相同输出值的输入模块，这些模块是非冗余的，将其作以标记，训练完毕后没有被标记的模块则是冗余模块，将其删除。本发明提出了一种消除极小极大模块网络冗余的修剪方法，该方法仅仅需要利用训练样本的网络输出值就可以消除网络的冗余模块。该修剪方法在网络训练样本数较大的时候，可以大弧度地降低网络模块的规模。因此可以大大降低网络的空间规模，从而提高网络的运算速度。
-
公开(公告)号：CN1588342A
公开(公告)日：2005-03-02
申请号：CN200410053659.X
申请日：2004-08-12
Applicant: 上海交通大学
IPC: G06F15/18
Abstract: 一种用于智能信息处理技术领域的减少支持向量与训练时间的交叉合并方法，包括三个步骤：训练集分解：将训练样本集分类别提取样本后，根据预先设定的分解比率，将训练集中的各类样本集合分别分解成两个子集，然后将样本子集进行组合，得到四个训练集；基于支持向量的分层数据筛选：用支持向量机方法并行处理四个训练集，得到四个支持向量集合，按照交叉合并规则，将四个支持向量的集合分两组合并，得到两个训练集，用支持向量机方法并行处理这两个训练集所代表的两个分类问题，得到两个支持向量的集合，将此两个支持向量的集合合并，产生一个训练集，便是最终的训练集；利用分层筛选得到的最终训练集训练支持向量机得到最终的分类器。
-
公开(公告)号：CN118648898A
公开(公告)日：2024-09-17
申请号：CN202410690535.X
申请日：2024-05-30
Applicant: 上海交通大学
Abstract: 本发明公开基于脑电的疲劳检测模型系统、方法、电子设备和存储介质，其中，一种基于脑电的疲劳检测模型系统，包括：模态数据采集单元，用于采集不同模态数据；多视角嵌入模块，包括针对所述不同模态数据的专属嵌入层，用于通过线性和非线性方法提取不同模态数据的嵌入序列；模态混合变换器，用于对所述嵌入序列进行多模态特征交互得到多模态混合结果；以及对抗领域泛化模块，用于对所述多模态混合结果进行迁移学习，使得模型能够学习到更具泛化能力的特征表示。
-
公开(公告)号：CN118568566A
公开(公告)日：2024-08-30
申请号：CN202410700598.9
申请日：2024-05-31
Applicant: 上海交通大学
IPC: G06F18/241 , G06F18/213 , G06N3/0455 , G06N3/096 , G06N3/0464 , G06F3/01 , G06F123/02
Abstract: 本发明公开跨被试情绪识别方法、电子设备和存储介质，其中，一种跨被试情绪识别方法，包括：使用源域和目标域的一一对应的无标签数据训练脑电转换器；使用所述脑电转换器将源域的有标签数据迁移到目标域；使用迁移后的源域的数据训练情绪分类器；以及使用训练后的情绪分类器对目标域的有标签数据进行情绪识别。本申请实施例的方法充分利用了时间对齐数据的特点，在实验中的表现优于其他域适应算法，为跨被试情绪识别提供了新思路。进一步的，本申请实施例采用编码器‑解码器模型对不同受试者的DE特征进行转换，证明了脑电转换器的转换能力及其在提高跨被试情绪识别准确率方面的有效性。
-
Patent Agency Ranking
公开(公告)号：CN113729735B
公开(公告)日：2022-05-17
申请号：CN202111158175.1
申请日：2021-09-30
Applicant: 上海交通大学
Abstract: 一种基于多域自适应图卷积神经网络的情感脑电特征表示方法，通过对脑电数据集进行特征类别的标记，再将其中的脑电数据通过时域和频域预处理和特征提取后将两个域特征训练多域自适应图卷积网络，最后采用训练后的训练多域自适应图卷积网络进行在线特征识别。本发明融合脑电的频域和时域的信息以及信号模式相关的脑功能连接，通过多域自适应图卷积神经网络充分利用多个域的互补信息，同时考虑脑电通道的拓扑结构，自适应地学习脑功能连接实现识别。
-
-
公开(公告)号：CN113729735A
公开(公告)日：2021-12-03
申请号：CN202111158175.1
申请日：2021-09-30
Applicant: 上海交通大学
Abstract: 一种基于多域自适应图卷积神经网络的情感脑电特征表示方法，通过对脑电数据集进行特征类别的标记，再将其中的脑电数据通过时域和频域预处理和特征提取后将两个域特征训练多域自适应图卷积网络，最后采用训练后的训练多域自适应图卷积网络进行在线特征识别。本发明融合脑电的频域和时域的信息以及信号模式相关的脑功能连接，通过多域自适应图卷积神经网络充分利用多个域的互补信息，同时考虑脑电通道的拓扑结构，自适应地学习脑功能连接实现识别。
-
公开(公告)号：CN107256332A
公开(公告)日：2017-10-17
申请号：CN201710378148.2
申请日：2017-05-24
Applicant: 上海交通大学
Abstract: 一种基于眼动数据的脑电实验评估系统及方法，通过眼动仪采集对象眼动数据，根据眼动数据中的注视点建立时间‑空间模型；然后使用动态时间规整算法快速技术计算序列之间相似程度并构建距离矩阵，再通过基于密度的聚类算法进行离群点检测，并根据聚类结果采用学习排序训练模型，经量化排序后得到对象的参与度；本发明能够客观量化评价对象参与实验认真程度，为实验以及模型形成反馈，以保证数据质量以及提高模型预测精确度。对对象参与实验的程度进行了量化的评估，构造了情绪识别实验的量化反馈。
-
公开(公告)号：CN100353355C
公开(公告)日：2007-12-05
申请号：CN200410053659.X
申请日：2004-08-12
Applicant: 上海交通大学
IPC: G06F15/18
Abstract: 一种用于智能信息处理技术领域的减少支持向量与训练时间的交叉合并方法，包括三个步骤：训练集分解：将训练集分类别提取样本后，根据预先设定的分解比率，将训练集中的各类样本集合分别分解成两个子集，然后将样本子集进行组合，得到四个训练集；基于支持向量的分层数据筛选：用支持向量机方法并行处理四个训练集，得到四个支持向量集合，按照交叉合并规则，将四个支持向量的集合分两组合并，得到两个训练集，用支持向量机方法并行处理这两个训练集所代表的两个分类问题，得到两个支持向量的集合，将此两个支持向量的集合合并，产生一个训练集，便是最终的训练集；利用分层筛选得到的最终训练集训练支持向量机得到最终的分类器。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.026 seconds)
