-
公开(公告)号：CN111582082A
公开(公告)日：2020-08-25
申请号：CN202010335269.0
申请日：2020-04-24
Applicant: 燕山大学
IPC: G06K9/00
Abstract: 本发明提供基于可解释聚类模型的二分类运动想象脑电信号识别方法，其包括步骤1、获取受试者的多通道运动想象脑电数据，将脑电数据进行逐次截断、滤波，存储为高维脑电数据矩阵；步骤2、使用空域滤波共空间模式从高维脑电数据矩阵中提取二维的运动想象脑电的方差特征；步骤3、把对应于各次实验的每个特征当成一个特征向量，计算每个特征向量的类内离散度与类间离散度；步骤4、根据Fisher比率原则，把对应于各次实验的两个特征向量作为最优的脑电特征；步骤5、使用半监督可解释聚类模型，判别矩形混合模型识别多个实验对象的最优脑电特征。该方法是一种有效的单次运动想象脑电聚类方法，在保证一定的分类精度时，无需训练集，缩短了训练时间。
-
公开(公告)号：CN111191509A
公开(公告)日：2020-05-22
申请号：CN201911194962.4
申请日：2019-11-28
Applicant: 燕山大学
Abstract: 本发明提出一种基于SCSP-LDA的脑电信号特征提取与分类方法，该方法首先，将脑电数据进行特征值分解，对其进行搜索并筛选得到新的特征空间，然后利用CSP提取其特征，最后，利用LDA对特征提取后的数据进行特征优化和数据分类，实现运动想象EEG信号解码。本发明将CSP算法转化为广义特征值的求解问题，并由广义特征值的求解问题结合稀疏搜索算法寻找最佳空间滤波器，引出一种稀疏共空间模式(Sparse Common Spatial Pattern,SCSP)算法，该SCSP是算法可以有效地提取特征最为明显的通道，从而实现通道稀疏，再结合特征分类算法LDA，可以完整地实现EEG的解码。
-
公开(公告)号：CN111012335A
公开(公告)日：2020-04-17
申请号：CN201911194961.X
申请日：2019-11-28
Applicant: 燕山大学
IPC: A61B5/0476 , A61B5/00 , G06K9/62
Abstract: 本发明提供一种基于非负CP分解模型的脑电意图解码方法，该方法提取了边界规避任务中不同受试者脑电的时间组分特征，利用2-DPCA对特征维度进行优化，并使用支持向量机对特征进行分类，能够反应出受试者不同状态下的脑电的差异，单个受试者的脑电分类准确率高；并且该方法利用脑电各模式间的相互作用，利用通道组分和频率组分获得脑电的时间组分特征，获取的脑电时间组分的特征可分性好，通过对其维度进行优化，可以有效的对边界规避任务中左、右手二类运动的脑电意图进行解码。
-
公开(公告)号：CN106127176A
公开(公告)日：2016-11-16
申请号：CN201610513459.0
申请日：2016-07-04
Applicant: 燕山大学
CPC classification number: G06K9/00536 , G06K9/6269
Abstract: 一种基于PSO‑SVM和分形盒维数的变载荷工况下齿轮故障诊断方法，包括以下步骤：1、通过齿轮振动时域图的峭度对齿轮带负载类型进行分类；2、求每种负载类型下的时域振动信号的分形盒维数、裕度因子、峰值因子、波形因子、脉冲因子等特征参数作为故障分类指标；3、进行基于粒子群优化支持向量机(PSO‑SVM)模型的搭建与训练，每一种负载类型建立一个PSO‑SVM，将步骤2得到的故障分类指标输入到相应的PSO‑SVM中进行故障分类。本发明方法能够很好地对变载荷下的齿轮故障类型进行分类，解决了变载荷激励下齿轮故障难以诊断的问题。
-
公开(公告)号：CN111012337B
公开(公告)日：2024-06-04
申请号：CN201911282373.1
申请日：2019-12-13
Applicant: 燕山大学
Abstract: 本发明提出一种基于脑网络和正则化判别分析的脑电分析方法，该方法使用脑网络方法，进行脑电信号的特征提取，根据得到的邻接矩阵来对脑网络进行构建，通过将每个节点的度信息绘制在脑地形图中，令大脑的活动状态变得可视化，可以更直观的观察到大脑活动的神经机制，再通过正则化判别分析最终得到分类结果，具有更高的分类识别率。
-
Patent Agency Ranking
公开(公告)号：CN115644893B
公开(公告)日：2024-05-17
申请号：CN202211184196.5
申请日：2022-09-27
Applicant: 燕山大学
IPC: A61B5/372 , A61B5/374 , G06F18/2321 , G06F18/24
Abstract: 本发明公开了一种分区域脑电建模和对角块模型脑电通道社团分类方法，属于生物电信号处理和聚类领域，包括以下步骤：S1、数据生成：建立多通道耦合神经元群脑电模型，并利用多通道耦合神经元群脑电模型生成多通道脑电数据；S2、判断聚类数：基于轮廓系数对生成的多通道耦合神经元群脑电模型选择聚类超参数；S3、寻找社团结构：使用块混合模型方法对生成的脑电数据通道进行社团结构分类。本发明通过寻找脑电通道之间的社团结构，能够反应不同大脑区域的脑电信号之间的关系。
-
公开(公告)号：CN113486794A
公开(公告)日：2021-10-08
申请号：CN202110763496.8
申请日：2021-07-06
Applicant: 燕山大学
Abstract: 本发明提供一种基于混合模型的运动想象脑电信号分类方法，其包括如下步骤：S1、数据提取：从数据库中采集两组数据作为脑电数据库；S2、数据重构：将脑电数据库中的脑电数据进行规范化，并以四维张量的结构储存；S3、特征优化：利用ODV‑CSSD算法对脑电数据进行优化获得最优脑电特征；S4、利用先验信息形成可解释的聚类，建立决策边界，得到最终类别归属结果。本发明针对共空间模式对异常数据过于敏感导致容易过拟合的问，提出一种新的运动想象脑电信号分类方法，提出新的特征优化算法ODV‑CSSD并进行研究，该方法可以获取最优的脑电特征，同时可以达到最佳脑电特征的维数，实现左右手运动想象脑电信号的提取和分类，并提高了识别准确率。
-
公开(公告)号：CN107908595B
公开(公告)日：2021-02-23
申请号：CN201711034478.6
申请日：2017-10-30
Applicant: 燕山大学
Abstract: 本发明公开了一种基于卷积神经网络和数据驱动的非线性动态系统辨识方法，其内容包括：以Lorenz非线性系统生成观测数据及其微分值，并进行归一化处理；由归一化后的观测数据中各个状态量构建非线性状态函数字典，并对其进行张量化扩展；取该张量中的一半数据和其所对应的输出微分值训练卷积神经网络，深度挖掘期望输出微分值与输入之间的内在回归关系；将张量中剩下一半数据作为测试数据输入到卷积神经网络中，比较测试数据的卷积神经网络输出微分值与实际期望输出微分值，给出非线性动态系统辨识结果。本发明针对非线性动态系统辨识问题，在不需要先验信息的情况直接从测量数据实现非线性动态系统的辨识。
-
公开(公告)号：CN111227840A
公开(公告)日：2020-06-05
申请号：CN202010151076.X
申请日：2020-03-06
Applicant: 燕山大学
Abstract: 本发明涉及一种智能矫姿座椅、矫姿方法及系统。该智能矫姿座椅包括：传感器、摄像机、步进电机、蜂鸣器、扬声器、显示器和单片机，传感器用于采集人体坐姿数据，摄像机用于采集人体坐姿图像，传感器和摄像机与单片机连接，步进电机与单片机连接，单片机用于对人体坐姿数据和人体坐姿图像进行分析，通过控制步进电机改变座椅的高度和椅背的倾斜角度，单片机分别与蜂鸣器、扬声器和显示器连接，扬声器用于提示颈部的倾斜度改变量，显示器用于显示颈部的倾斜度改变量，蜂鸣器用于在人体坐姿数据和人体坐姿图像超过设定阈值设定值后发出报警。本发明能够提升坐姿检测信息的准确性。
-
公开(公告)号：CN111012337A
公开(公告)日：2020-04-17
申请号：CN201911282373.1
申请日：2019-12-13
Applicant: 燕山大学
IPC: A61B5/0476 , A61B5/00
Abstract: 本发明提出一种基于脑网络和正则化判别分析的脑电分析方法，该方法使用脑网络方法，进行脑电信号的特征提取，根据得到的邻接矩阵来对脑网络进行构建，通过将每个节点的度信息绘制在脑地形图中，令大脑的活动状态变得可视化，可以更直观的观察到大脑活动的神经机制，再通过正则化判别分析最终得到分类结果，具有更高的分类识别率。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.022 seconds)
