-
公开(公告)号：CN114403903A
公开(公告)日：2022-04-29
申请号：CN202210042481.7
申请日：2022-01-14
Applicant: 杭州电子科技大学
Abstract: 本发明公开了面向跨被试RSVP的多特征低维子空间ERP检测方法。该方法首先采用迁移学习方法中的欧式空间对齐，对来自不同被试、不同试次的EEG数据在欧式空间中进行对齐。然后采用不同的特征提取方式表层和深层两路特征，其次将来自不同空间的两路特征分别进行有监督降维，使得不同类特征的类内离散度尽可能低，且类间离散度尽可能高。得到凝练且位于不同维度的两个一维特征，对这两个一维特征进行融合重构，最终将重构后的特征用于ERP检测。有效提升ERP检测时的稳定性与准确率。
-
公开(公告)号：CN113128552A
公开(公告)日：2021-07-16
申请号：CN202110231114.7
申请日：2021-03-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度可分离因果图卷积网络的脑电情绪识别方法。现有用于识别脑电情绪的神经网络缺乏通道间定向功能性关系的考虑。本发明如下：一、采集被测者的脑电数据。二、构建邻接矩阵。三、计算脑电数据对应的正则化拉普拉斯矩阵。四、利用深度可分离因果图卷积模型进行特征提取和情绪分类。本发明采用格兰杰因果关系对EEG信号通道间的关系进行建模，构建出一个有向的非对称矩阵，充分考虑了通道间的因果关系，与真实的脑电信号产生情况一致，故能够有效提高情绪类型识别的准确率。此外，本发明采用深度可分离卷积充分提取了脑电数据中的局部特征，从而进一步提高了分类准确率。
-
公开(公告)号：CN112949369A
公开(公告)日：2021-06-11
申请号：CN202011284824.8
申请日：2020-11-17
Applicant: 杭州电子科技大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G06F16/532
Abstract: 本发明公开了一种基于人机协同的海量人脸图库检索方法。计算机视觉提取的低级特征与人类视觉捕获的高级语义特征有所差距，所以计算机视觉检索结果远不能达到人的期望。人脸图像在低级轮廓特征上差距不大，仅依靠计算机视觉很难对相似人脸进行区分。本发明如下：1、建立图库；2、用人看人像图产生的脑电信号训练EEG分类模型；3、使用EEG分类模型在线迭代，从图像数据中检索出被试者需要的目标图像。本发明中的人脸图片检索方法与传统人脸检索方法不同，通过将人脑强大的认知能力与计算机的快速计算能力、海量存储能力相结合，实现了快速，准确，鲁棒的海量人脸图片检索，具有显著的应用价值。
-
公开(公告)号：CN112698720A
公开(公告)日：2021-04-23
申请号：CN202011541158.1
申请日：2020-12-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于互信息特征提取及多人融合的运动想象识别方法。本发明如下：1.通过多通道脑电采集设备同时采集P个用户进行运动想象的脑电信号。2.对采集到的P个用户的脑电数据分别进行预处理。3.对每次采集的脑电数据分别提取一个或多个互信息向量。4.多人运动想象识别。本发明利用提取多人脑电互信息，并通过三种不同层次的融合策略，最终由K近邻算法进行分类，能够快速、准确地实现基于多人脑电数据的人脑运动想象识别。
-
公开(公告)号：CN112541541A
公开(公告)日：2021-03-23
申请号：CN202011452285.4
申请日：2020-12-10
Applicant: 杭州电子科技大学
IPC: G06K9/62 , G06F17/16 , G06F40/253 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于多元素分层深度融合的轻量级多模态情感分析方法；本发明以分层的方式建立多模态元素之间的直接相关性，可以捕获不同模态之间的短时和长时依赖性。为避免降低分辨率并保留与每个模态相对应的原始空间结构信息，在选择和强调多模态信息交互时，本发明以广播的形式应用相应的注意力权重。此外，本发明也提出了一个新的张量算子，称为Ex‑KR加法，以利用共享信息来融合多模态元素信息得到全局张量表征。这是针对当前多模态情感识别领域中大多数方法仅仅关注在局部的时序‑多模态空间中的建模，并且不能明确地学习得到所有参与模态融合的完整的表示形式等问题的有效补充。
-
Patent Agency Ranking
公开(公告)号：CN112274162A
公开(公告)日：2021-01-29
申请号：CN202010985675.1
申请日：2020-09-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于生成对抗域自适应的跨被试EEG疲劳状态分类方法。本发明首先获取数据并预处理，去除伪迹；其次通过PSD来进行EEG特征提取，从三维EEG时间序列获得二维样本矩阵；然后区分源域和目标域数据集，获得不重合的训练集和测试集；再用部分无标签的目标域数据和符合高斯分布的随机数据训练分类模型GDANN；最后利用混淆矩阵对分类结果准确率进行评估。本发明将生成对抗网络和域不变思想进一步结合，既解决了EEG信号数据集稀少难获得的问题，又平衡了源域数据和目标域数据不匹配的问题，一定程度上避免了负迁移，训练出了高精度的跨被试疲劳检测分类器，以期在实际的脑机交互中有着广泛的应用前景。
-
公开(公告)号：CN111178389A
公开(公告)日：2020-05-19
申请号：CN201911244389.3
申请日：2019-12-06
Applicant: 杭州电子科技大学
Abstract: 本发明涉及基于多通道张量池化的多模态深度分层融合情感分析方法。基于注意力机制方法，可以对多模态数据设定相应权重，划分不同模态数据的重要程度，从而根据不同模态数据对任务的不同贡献程度，在融合部分放大贡献程度大的多模态数据在交互时的作用。而相对于单通道多项式张量池化模块，多通道多项式张量池化模块能够从细粒度层面获得鲁棒性高的局部高维度复杂非线性交互信息。本发明在判定多模态数据重要程度基础上，能从细粒度层面刻画稳定的局部高维复杂动态交互信息，是对当前情感识别领域的多模态融合框架的有效补充。
-
公开(公告)号：CN109117790A
公开(公告)日：2019-01-01
申请号：CN201810921009.4
申请日：2018-08-14
Applicant: 杭州电子科技大学 , 福建中医药大学附属康复医院
Abstract: 本发明涉及一种基于频空指标的脑纹识别方法。本发明主要采用频空指标来计算脑电信号的特征，并通过Fisher线性判别来实现不同个体的识别。本发明包括数据采集、数据预处理、频空特征向量计算、频空特征向量降维、频空特征向量分类。分类结果表明：采用频空指标作为生物识别特征，得到了较好的分类结果，能够有效得对不同个体进行脑纹识别。与传统的生物识别特征相比，基于脑电的频空特征更为安全和隐蔽，是一种很有前景的生物特征模态。
-
公开(公告)号：CN108596030A
公开(公告)日：2018-09-28
申请号：CN201810229078.9
申请日：2018-03-20
Applicant: 杭州电子科技大学
Abstract: 本发明公开基于Faster R-CNN的声呐目标检测方法。本发明采用深度学习技术对不同复杂水下环境中的目标进行特征提取。是对现今声呐目标检测方法方面一次重大创新与尝试，打破了传统方法所带来的局限，能够提取到低信噪比下声呐图像的深层次特征，并能对线状目标进行很好的目标检测与识别。本发明创建基于区域加速卷积神经网络(Faster-RCNN)声呐目标检测与识别网络对声呐数据进行目标检测。通过实验发现，该方法在声呐图像的线状目标检测上取得很好的表现，验证了深度学习方法在声呐目标检测的可行性，为复杂水声环境数据的特征提取提供新的研究手段。
-
公开(公告)号：CN103971124B
公开(公告)日：2017-02-15
申请号：CN201410185328.5
申请日：2014-05-04
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于相位同步的多类别运动想象脑电信号分类方法。本发明首先利用相位锁定值分别计算训练样本和测试样本的相位同步特征，然后计算两者的相关系数并对其去平均取绝对值后按从大到小的顺序排列，接着根据排序后的相关系数进行脑电信号的粗分类，再将粗分类后的脑电信号进行细分类，此过程涉及共空域模式特征提取方法和线性判别分析分类方法。本发明包括脑电信号采集、数据预处理、滤波、相位同步特征相关系数计算、特征提取和分类以及分类准确率计算。分类结果表明：采用基于相位同步的脑电信号分类方法，得到了较好的分类效果，其中基于相位同步的脑电信号的粗分类可以高效率、高准确率地确定测试样本大致所属的类别，减少计算量。
-
-
-
-
-
-
-
-
-
Search Results
161
records
(took 0.04 seconds)
