-
公开(公告)号：CN111832416B
公开(公告)日：2024-07-09
申请号：CN202010547741.7
申请日：2020-06-16
Applicant: 杭州电子科技大学
IPC: G06F18/213 , G06F18/24 , G06F18/214 , G06F18/241 , G06F18/25 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , G06N20/20
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：CN112560703B
公开(公告)日：2024-02-06
申请号：CN202011503733.9
申请日：2020-12-18
Applicant: 杭州电子科技大学
IPC: G06F18/2411 , G06F18/243 , G06F18/15 , G06F18/2132 , G06F18/2135
Abstract: 本发明公开了一种基于PF系数的多模态BCI特征提取方法，本发明本文首先选取合理的时间窗数据进行PF系数通道选择；将表征信号间相关性的Person系数与表征特征间可分性的Fisher值相结合，构建代表任务区分性的PF系数，并设置合理阈值对通道进行选择。然后提取EEG中的共空间模式特征和fNIRS中的统计特征。最后通过收缩线性判别分析SLDA分类器进行分类。本发明选出来的块能有效地避免不同个体以及不同通道间的差异性，且通道分布合理，数量适中，一定程度上提高了多模态BCI系统的分类性能，为脑电‑近红外信号的特征提取提供了新的思路。
-
公开(公告)号：CN116211318A
公开(公告)日：2023-06-06
申请号：CN202310116330.6
申请日：2023-02-14
Applicant: 杭州电子科技大学
Abstract: 本发明涉及基于脑电信号跨节律多层耦合脑网络的运动想象识别方法，采集正常人多种类运动想象任务的多导联脑电EEG。根据所采集信号进行数据预处理：将节点共平均参考后，使用FIR滤波器带通滤波，得到运动想象较活跃且具有ERS/ERD现象的μ节律与β节律，然后使用独立成分分析法，去除眼电肌电等噪声干扰。在此基础上建立多层复用功能脑网络，以导联信号作为节点，锁相值作为连接，建立邻接矩阵，提取反映运动想象活动特点的脑功能网络特征。提取μ节律和β节律单层网络中的3种全局网络特征与网络间2种层间特征参数，将其归一化后生成运动想象识别的多层网络特征，利用支持向量机等机器学习方法，使用该多层网络特征对运动想象进行识别任务。
-
公开(公告)号：CN115470334A
公开(公告)日：2022-12-13
申请号：CN202211106824.8
申请日：2022-09-13
Applicant: 杭州电子科技大学
IPC: G06F16/332 , G06F16/31 , G06K9/62 , G06F17/16 , G16H80/00
Abstract: 本发明涉及一种基于肝病会诊研讨模型的改进DS证据理论方法，先针对会诊建立争议表和对话树模型，创建识别框架，并得到各个节点的初始评价值以及节点之间的规则关系和相应强度；根据CEM矩阵，得到各个证据节点对于结论节点的评价值；融合过程中，计算出Pignistic概率距离和冲突系数并合成得到冲突距离，在合成的同时考虑证据源之间的冲突一致度来对距离进行放缩；再次，计算出各个证据源的可信度；最根据各个节点的可信度对证据源进行加权平均修正，并用传统DS证据组合规则进行融合得到节点的最终评价值。在算例中表明，本方法在不改变DS组合规则的情况下，可以有效的处理冲突问题，并且具有较好的抗干扰能力和收敛性。
-
公开(公告)号：CN114065805A
公开(公告)日：2022-02-18
申请号：CN202111256978.0
申请日：2021-10-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于样本迁移的在线脑电分类方法。本发明首先将脑电信号逐个进行在线欧式对齐，然后采用CSP算法提取特征，接着通过在线分类器与离线分类器加权结合来进行标签预测，最后利用真实标签来更新分类器和权重。本发明提出的在线欧式对齐方法，更适合脑电信号在线预对齐，获得的分类精度更优，并且占用内存和运行时间更少，基于此本发明将可以有效提高在线脑电信号分类的性能。
-
Patent Agency Ranking
公开(公告)号：CN109254654B
公开(公告)日：2022-02-01
申请号：CN201810947723.0
申请日：2018-08-20
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种结合PCA和PCANet的驾驶疲劳特征提取方法。本发明包含以下步骤：1、使用脑电采集设备采集驾驶脑电信号；2、对采集到的脑电信号进行预处理，包括降频、降噪；3、对预处理后的信号通过结合PCA和PCANet的特征提取方法提取特征；4、对提取的特征使用分类器进行分类学习、识别。本发明使用结合PCA和PCANet的驾驶疲劳特征提取方法，相比单独使用PCANet产生的维度爆炸，一方面可以降低对计算机的运算要求，同时加快了计算速度，减少了运算的时间，有利于后续的实时监测；另一方面PCANet这个图像的处理方法跨领域使用在驾驶疲劳特征的提取，也使分类的准确率有了有效的提升。
-
公开(公告)号：CN113159205A
公开(公告)日：2021-07-23
申请号：CN202110468258.4
申请日：2021-04-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于最佳通道的稀疏时频块共空间模式特征提取方法，本发明首先通过基于相关性的方法进行通道选择，以去除通道间冗余信息并标记最佳通道；然后提出一种基于最佳通道的稀疏时频块共空间模式特征提取方法，通过使用最佳通道的一维数据并定义相应指标，对划分的时频块进行高效地选择，并对分别提取的CSP特征进行融合；最后使用LASSO进行特征选择，SVM进行分类。在公共数据集上进行对比实验，结果表明本发明不但可以快速进行时频块的稀疏化，以减小计算时间，还一定程度上提高了分类精度，这为在线BCI的开展与应用提供了新思路。
-
公开(公告)号：CN113158930A
公开(公告)日：2021-07-23
申请号：CN202110460929.2
申请日：2021-04-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于D‑S证据理论的疲劳驾驶检测方法。首先引入疲劳驾驶训练集，设置代价矩阵，引入训练集，选择不同的代价矩阵，由代价敏感极限学习机训练多个分类器，求得每个分类器最优参数，其次给定测试样本，采用训练集得到最优参数的代价敏感极限学习机，得到测试样本的预测结果，采用softmax函数将预测结果转换为概率向量，最后采用加权D‑S证据理论对基分类器进行融合，得到对疲劳驾驶测试样本鲁棒性好、准确度高的集成分类器。本发明一方面能够有效的应对类别不平衡的数据，另一方面能够提高分类器的鲁棒性和准确性。
-
公开(公告)号：CN112084879A
公开(公告)日：2020-12-15
申请号：CN202010817684.X
申请日：2020-08-14
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种运动想象脑电的块选择共空间模式特征提取方法，本发明首先以每个通道划分频带来构建数据块的方式对原始数据进行预处理，其次对每个块进行块的相关性计算以得到表征分类性能的指标Fisher比，然后根据该指标及合理阈值实现对数据块的选择，最后用CSP和SVM对最优块组成的数据进行特征提取与分类。本发明选出来的块能有效地避免不同个体以及不同通道间的差异性，且块所属的通道分布合理，数量适中，一定程度上提高了BCI系统的分类性能，我脑电信号的特征提取提供了新的思路。
-
公开(公告)号：CN106901728B
公开(公告)日：2019-07-02
申请号：CN201710073405.1
申请日：2017-02-10
Applicant: 杭州电子科技大学
IPC: A61B5/0476 , A61B5/0488
Abstract: 本发明公开了一种基于变尺度符号传递熵的多通道脑肌电耦合分析方法，本发明首先同步采集不同握力动作时多通道脑电信号和相关肌肉组上的表面肌电信号。然后选择可变尺度参数对左、右手相同握力下的脑肌电信号进行符号化，并对符号化后的序列进行传递熵的计算。通过综合分析传递熵的平均值和标准差，以及计算所用时间，选择一个合适有效的符号化尺度参数进行后续分析。进一步对左手/右手动作、不同握力下、多个通道的脑电信号和对应的肌电信号进行符号传递熵分析和比较。最后根据脑电到肌电和肌电到脑电的传递熵变化情况，提出了脑肌电信号耦合强度的表示方法，客观定量的反映皮层肌肉和运动肌肉之间的耦合强度。
-
-
-
-
-
-
-
-
-
Search Results
151
records
(took 0.029 seconds)
