-
公开(公告)号：CN104850833A
公开(公告)日：2015-08-19
申请号：CN201510230759.3
申请日：2015-05-07
Applicant: 北京工业大学
IPC: G06K9/00
CPC classification number: G06K9/00503 , G06K9/00523 , G06K9/00536
Abstract: 本发明提供了一种脑电混沌特性的分析方法，包括：对脑电信号进行滤波，并将滤波后的脑电信号分解为若干个子频段信号；提取各子频段信号的极值点和所述极值点对应的时间点，并根据所述极值点和所述时间点，生成单调振幅序列及单调周期序列；将所述单调振幅序列和单调周期序列组成向量序列，并对所述向量序列进行伪迹去除；从单调振幅和单调周期的两个维度将所述向量序列分为若干个子区间，获得每个向量分布在每个子区间的概率，并根据所述概率，获得所述脑电信号的振动熵；根据所述脑电信号的振动熵，分析所述脑电信号的混沌程度。本发明能够有效地反映脑电信号波形振动特征的分布特性。
-
公开(公告)号：CN104504404A
公开(公告)日：2015-04-08
申请号：CN201510037404.2
申请日：2015-01-23
Applicant: 北京工业大学
CPC classification number: G06K9/62 , G06K9/6269 , G06K9/00597
Abstract: 本发明公开一种基于视觉行为的网上用户类型识别方法及系统，对一个或多个不同类型用户的眼动数据进行采集和处理，获得注视信息数据集与用户类型集，根据注视信息数据集中的注视信息，获得一个或多个眼动特征数据，以形成采样数据集，从中选择眼动特征数据输入支持向量机，训练得到用户类型分类器，完成机器学习过程获得分类器，将采集的网上任意用户的眼动数据输入到训练好的用户类型分类器，根据所分类器识别网上任意用户的用户类型。主要利用眼动追踪技术，获取计算用户浏览网页时三种眼动特征数据，根据眼动特征数据的不同，判断网上用户类型。基于视觉行为的用户识别，够主动记录网上用户的眼动数据，提取数据简便可靠，准确率高，可信度高。
-
公开(公告)号：CN104173063A
公开(公告)日：2014-12-03
申请号：CN201410441421.8
申请日：2014-09-01
Applicant: 北京工业大学
IPC: A61B5/16
CPC classification number: A61B5/168 , A61B3/0025 , A61B3/112 , A61B3/113 , A61B5/1072 , A61B5/1075 , A61B5/1079 , A61B5/11 , A61B5/7225
Abstract: 本发明提供了一种视觉注意的检测方法和系统。所述方法和系统通过采集视觉注意过程中各个注视点的时间序列和对应的瞳孔直径序列，根据所述时间序列和瞳孔直径序列的对应关系绘制注意变化曲线，根据预设时间参数和预设瞳孔直径参数将所述注意变化曲线划分为四个注意阶段，进而基于持续时间和瞳孔变化率对每个所述注意阶段进行数值分析，可以实现对视觉注意的各个阶段进行定量计算，能够全面、系统、定量地刻画注意的变化过程。
-
公开(公告)号：CN104008393A
公开(公告)日：2014-08-27
申请号：CN201410209254.4
申请日：2014-05-17
Applicant: 北京工业大学
CPC classification number: G06K9/6269 , G06K9/0061 , G06K9/42 , G06K9/6232
Abstract: 一种用于认知状态识别的特征分组归一化方法涉及模式识别领域的特征归一化问题，其步骤为：(1)特征数据分组；(2)任选一个归一化函数，计算出各分组对应的归一化函数的参数；(3)构建分组归一化函数，将各分组对应的归一化函数的参数代入其函数内，得到各个分组的归一化映射关系；(4)分组归一化处理，每个分组使用对应的归一化函数进行特征数据变换，特征归一化结束。特征整体归一化方法只能解决特征之间数据分布的多样性问题，不能解决特征内部数据分布差异过大的问题，本发明提出的分组归一化方法既保留了特征整体归一化方法的优点，同时减少了特征数据内部分布尺度过大的问题，从而提高了分类正确率，本发明提出的特征分组归一化方法具有很强的鲁棒性。
-
公开(公告)号：CN113094445A
公开(公告)日：2021-07-09
申请号：CN202110276599.1
申请日：2021-03-15
Applicant: 北京工业大学
IPC: G06F16/28 , G06F16/215
Abstract: 本发明公开了一种基于语义向量的任务态脑影像资源多维标注和组织方法，针对多任务脑影像资源融合计算过程中数据组织有效性进行优化控制，以任务态脑影像资源为组织对象来源，以资源响应状态和响应类型为控制量，以组织支持度系数和组织灵活性系数为被控量。该方法从构建一个基于语义向量的标准化空间出发，通过将资源映射到该空间而构建样本库；初始化多资源需求的组织任务图，并从样本库中采样目标资源；识别图中资源响应状态和类型，并计算支持度系数和组织灵活性系数；最终推荐双系数约束的多个脑影像资源。本发明通过语义向量对复杂的脑影像资源进行多维标注，实现脑影像资源的系统化集成，提高任务态脑影像研究中资源组织的有效性和全面性。
-
Patent Agency Ranking
公开(公告)号：CN112847398A
公开(公告)日：2021-05-28
申请号：CN202110024646.3
申请日：2021-01-08
Applicant: 北京工业大学
Abstract: 本发明公开了一种对助行安全异常自动采取保护方法，安置助行机器人驱动装置，机器人的移动通过电机驱动；助行机器人后端的把手部分安装有六轴力传感器，六轴力传感器检测三维空间坐标系中x,y,z三个方向的力Fx,Fy,Mz，及力矩Mx,My,Mz，据此识别使用者运动目的；使用者在两侧髋、膝、踝均安装了步态传感器，实时采集各自由度的角度、角速度步态数据；使用者推动助行机器人的把手部分，实现行走运动；如遇使用者摔倒等异常情况，助行机器人的驱动环节自动启动紧急保护机制，对机器人进行刹车停止。本发明针对使用者摔倒等异常情况采取安全保护策略，通过对使用者安全异常行为进行感知，针对安全异常情况，驱动装置自动采取刹车对使用者实施保护措施。
-
公开(公告)号：CN106776558B
公开(公告)日：2020-06-19
申请号：CN201611145330.5
申请日：2016-12-14
Applicant: 北京工业大学
IPC: G06F40/284 , G06F40/247 , G06K9/62
Abstract: 为了解决本体学习中在特定领域术语抽取效率偏低的问题，本发明提出了一种融合语境信息的领域术语识别方法，整合统计学和语言学方法，借鉴传统领域相关性与领域一致性思想，再结合对数似然比，从候选术语语境信息的复现次数角度刻画候选术语在不同领域的分布情况，然后计算候选术语的领域属性值，最后根据每个候选术语的领域属性值抽取领域术语。本发明所述的融合语境信息的领域术语识别方法可获得非常好的术语抽取准确率，其不仅可以应用在诸如抑郁症药物等领域的术语抽取中，还能够在概念抽取方法中作为候选概念产生工具使用。
-
公开(公告)号：CN106166073B
公开(公告)日：2019-06-14
申请号：CN201610509466.3
申请日：2016-06-29
Applicant: 北京工业大学
IPC: A61B5/16
Abstract: 本发明公开了一种基于电子化POMS自评量表的心境状态自评系统，该系统包含能手机和后台云服务器两大部分。其中，智能手机安装了自主开发的电子化POMS自评量表，后台云服务器上接收手机发送的量表数据并运行心境状态评价算法，将得到的主要心境状态及其变化规律、用户不同心境状态日常变化规律和总体心境量化评估等结果发送到手机上并反馈给用户。本发明通过滑块和按钮等组件来操作电子化自评量表，简单方便的操作不仅适用于患有抑郁、躁狂、焦虑等精神疾病患者及复诊患者的日常精神状态评估，提高患者治疗依从性，而且可以为家庭、社区等环境下的正常用户提供精神状态评估服务，提高精神卫生医疗服务的可及性。
-
公开(公告)号：CN109567756A
公开(公告)日：2019-04-05
申请号：CN201811634325.X
申请日：2018-12-29
Applicant: 北京工业大学
IPC: A61B5/00 , A61B5/0205
Abstract: 本发明涉及一种基于人工智能床垫的睡眠状态检测方法，基于床垫、微动传感器，以及采集处理模块，微动传感器置于距离床头40～60cm处，且和心脏位置平齐，微动传感器实时获取被监测对象睡眠中的振动数据，并发送至采集处理模块进行自适应分段处理，之后通过数据处理实时获取被监测对象的睡眠状态参数，所述的数据处理方法分为三个阶段，即体动识别、呼吸和心率状态识别、最终实现用户睡眠状态的识别。本发明具有操作流程简单，无需专业人员的辅助与监督，不影响人的正常睡眠，非常适合居家或大规模应用。
-
公开(公告)号：CN107423682A
公开(公告)日：2017-12-01
申请号：CN201710432360.2
申请日：2017-06-09
Applicant: 北京工业大学
CPC classification number: G06K9/00523 , A61B5/72
Abstract: 本发明公开了一种非线性脑电信号的复杂度分析方法。排列熵与样本熵算法大量被运用在非线性复杂度分析中，但其均存在一定的缺点。样本熵虽然具有很好的鲁棒性并且在准确度上有一定的优势，但其计算效率缺不尽如人意；而排列熵虽然计算不如样本熵精确但其具有计算快速的特性。针对以上问题，发明一种对脑电信号进行非线性复杂度分析的方法，首先对脑电信号进行滤波处理，提取有效频段，之后进行排序并按照两个规则进行等分符号化赋值，最后分别进行m维及m+1维相空间构造进行熵值的计算。本发明对之前非线性方法排列熵提高了准确度，对样本熵方法提高了计算效率。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.037 seconds)
