-
公开(公告)号：CN110348321A
公开(公告)日：2019-10-18
申请号：CN201910526378.8
申请日：2019-06-18
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于骨骼时空特征及长短时记忆网络的人体动作识别方法。首先基于单帧内骨骼点的相对空间位置构建骨骼点的空间特征。其次基于传统光流法提出一种基于三维骨骼信息的光流特征计算方法。并将骨骼信息的光流特征作为骨骼点的时间特征。再次设计一种双流长短时记忆网络的人体动作识别模型，双流模型的两个通道分别输入骨骼信息的空间特征序列和时间特征序列。从而综合分析人体动作的时空特征，提高人体动作识别的准确率。最后构建带有时空特征的测试数据集和训练数据集，训练双流时空长短时记忆网络模型，并验证人体动作识别的准确率。
-
公开(公告)号：CN110226932A
公开(公告)日：2019-09-13
申请号：CN201811606326.3
申请日：2018-12-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种人体日常行为动作的足底压力特征提取方法。本发明通过压力鞋垫采集第一跖骨、第二跖骨和脚跟区域各自的压力信号，计算压力比，总压力比，将各传感器的压力及总压力归一化，提取足底压力的第一特征子矢量和第二特征子矢量。根据在人体的各种运动模式下，足底压力传感器的当前值都与过去值相关，构建足底压力信号的AR模型，求得模型系数。通过实验对不同日常行为动作进行足底AR模型的AIC计算，综合AIC的值和维数，提出权衡可信度，使权衡的可信度最高所对应的阶数即为最合适阶数。把足底压力传感器的AR模型系数构建为第三特征矢量。本发明通过AIC准则和权衡可信度来确定足底压力AR模型的阶数，有很好的效果。
-
公开(公告)号：CN109800792A
公开(公告)日：2019-05-24
申请号：CN201811606346.0
申请日：2018-12-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于模糊C均值和DBI的肌电信号特征选择方法，本发明首先采集人体做日常行为动作时4路肌电信号，然后提取原始信号的平均幅值，方差，威尔逊振幅，自回归系数，中位频率，平均功率频率，小波能量系数，小波包能量系数，模糊熵，排列熵共10个肌电特征形成肌电特征池，再用模糊C均值对这些特征进行划分，把n个向量分为c个模糊组，并求每组的聚类中心，使得非相似性指标的价值函数达到最小。最后，计算划分后的DBI值，选择DBI最小的4个特征作为适合识别日常行为动作的特征。基于模糊C均值和DBI的肌电信号特征选择方法，可以选择有效的合理的肌电特征值。
-
公开(公告)号：CN109567798A
公开(公告)日：2019-04-05
申请号：CN201811603106.5
申请日：2018-12-26
Applicant: 杭州电子科技大学
IPC: A61B5/0488 , A61B5/11 , A61B5/00
Abstract: 本发明公开了一种基于肌电小波相干性和支持向量机的日常行为识别方法，本发明通过肌电信号采集仪采集人体相关肌肉的肌电信号，获取两路肌电信号的样本数据，使用一种改进小波阈值降噪方法进行预处理。计算两路肌电信号的小波相干系数。将所求得的小波相干系数作为特征向量输入支持向量机进行分类识别，成功识别了不同的日常行为，具有较高的识别率。本发明将小波相干性的肌电特征与支持向量机结合的方法，对人体日常行为识别具有较高的识别率和可靠性。实验结果表明，本发明方法对上楼、下楼、站立、行走、跑步、跌倒的平均灵敏度达96.17，平均特异度达92.29，高于一般传统的方法。
-
公开(公告)号：CN109492830A
公开(公告)日：2019-03-19
申请号：CN201811541300.5
申请日：2018-12-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度学习的移动污染源排放浓度预测方法，本发明根据移动污染源污染物的区域时空分布特点，提出基于注意力机制的卷积长短期记忆神经网络预测方法。首先，通过分析站点之间的Granger因果关系并开发超参数高斯向量权重函数以确定空间自相关变量作为输入特征的一部分。其次，使用卷积神经网络来提取LSTM网络使用的数据的时空间特征，同时注意力模型分别用于加权特征图和通道以增强特征的有效性。最后，基于深度LSTM的时间序列预测器，用于学习大气污染物浓度的长期和短期依赖性。本发明从历史大气污染物数据中提取固有的有用特征，并将辅助数据纳入所提出的模型中以提高性能，从而浓度预测方法。
-
Patent Agency Ranking
公开(公告)号：CN109374532A
公开(公告)日：2019-02-22
申请号：CN201811541673.2
申请日：2018-12-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于传递熵和自适应融合估计移动源排放气体遥测误差补偿方法。本发明有机结合测量对象的先验知识和最优估计理论，能够从带噪观测序列中得到真实值的最优估计。首先，通过超限学习机方法建立多干扰下遥测误差预测模型。然后，提出了一种虚拟观测分解模型，并利用虚拟观测分解模型对观测序列进行多序列分解。之后，将实际测量过程转化为多传感器虚拟观测过程，并建立多传感器虚拟观测过程的数学模型。最后，引入传递熵和自适应卡尔曼滤波对多虚拟观测序列进行融合重构，从而得到测量序列的最优估计。本发明能够有效补偿外部环境干扰引起的测量误差，提高遥感检测技术的环境适用性和抗干扰能力。
-
公开(公告)号：CN108742613A
公开(公告)日：2018-11-06
申请号：CN201810571959.9
申请日：2018-05-30
Applicant: 杭州电子科技大学
IPC: A61B5/0488
CPC classification number: A61B5/0488 , A61B5/7203 , A61B5/725
Abstract: 本发明公开了基于传递熵与广义偏定向相干性的肌间耦合分析方法，旨在为了准确地分析不同运动模式下肌间功能耦合强度。针对传统的相干性分析法不能有效描述肌间耦合方向与非线性耦合特征，同时无法排除间接连接的影响，本发明将传递熵与广义偏定向相干性引入肌间耦合分析中，探讨上肢运动中相关肌肉处肌电信号在时频域内的肌间双向功能耦合特性。为深入探索中枢神经系统运动控制机制提供有效的观察手段，在康复医学领域具有重要的应用价值。
-
公开(公告)号：CN105677035B
公开(公告)日：2018-08-17
申请号：CN201610053682.1
申请日：2016-01-26
Applicant: 杭州电子科技大学
IPC: G06F3/01 , A61B5/0476
Abstract: 本发明涉及一种基于EEMD和小波阈值的运动想象脑电信号消噪方法。本发明首先，对原始信号进行EEMD分解，得到一系列IMF分量；其次，采用新的阈值函数和阈值选取方法改进传统的小波阈值法；然后，使用改进的小波阈值法对高频IMF分量进行处理；最后，将处理后的IMF分量和其他的IMF分量重构得到消噪后的运动想象EEG信号。本发明优点在于既保留了高频分量中的有效信息，同时又减少了小波阈值法对弱能量有效信号的压制，去除大量噪声的同时又保留了大部分的有用的细节信息，为下一步的运动想象脑电信号特征提取和模式识别奠定良好的基础。
-
公开(公告)号：CN108122185A
公开(公告)日：2018-06-05
申请号：CN201711373985.2
申请日：2017-12-19
Applicant: 杭州电子科技大学
IPC: G06Q50/26
Abstract: 本发明公开了一种考虑布控区域边界点的移动污染源排放遥测站点选址方法，本发明寻找机动车尾气排放遥测站点在布控区域中合适的位置，以实现该区域内的车辆至少被监测到一次的目的。根据城市路网的拓扑结构以及交通流向，将其抽象成一个有向图，采用广度优先遍历确定布点路口顺序，再根据各路口车流量的流入流出平衡关系获取最小覆盖集合，即最小布点路段集合。本发明能够在保证能够监测路网中所有机动车尾气排放的前提下得出无冗余的布点结果，并且充分考虑监测区域边界点问题，能够处理存在交通流量非平衡点的路网模型，具有较强的适应性。
-
公开(公告)号：CN107451651A
公开(公告)日：2017-12-08
申请号：CN201710632344.8
申请日：2017-07-28
Applicant: 杭州电子科技大学
CPC classification number: G06N3/006 , G06K9/00503 , G06K9/00523 , G06K9/00845 , G06K9/6267 , G06N99/005
Abstract: 本发明公开了一种基于粒子群优化的H-ELM的驾驶疲劳检测方法；具体为使用脑电采集设备采集驾驶脑电信号；对采集到的脑电信号进行预处理；对预处理后的数据加窗进行离散傅里叶变换；根据离散傅里叶变换后的数据求功率谱密度，并根据脑电信号的频带进行频带划分，以各频带的功率作为特征；对提取的特征使用多层学习超限学习机进行分类学习、识别；通过粒子群算法对超限学习机的分类、识别效果进行优化。本发明使用PSO优化后的H-HELM分类器对驾驶疲劳进行检测，可有效的提高分类检测准确率。
-
-
-
-
-
-
-
-
-
Search Results
214
records
(took 0.037 seconds)
