-
公开(公告)号：CN114041808B
公开(公告)日：2025-01-10
申请号：CN202111564088.6
申请日：2021-12-20
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多通道表面肌电信号分解的传递熵耦合分析方法，本发明首先运用卷积核补偿方法将多通道表面肌电信号进行运动单元分解，将原先由多个运动单元叠加在一起的肌电信号分解。运动单元分解后，使用传递熵建立相关性矩阵，运用阈值法或固定加权边法去除较弱的连接边，构建与运动功能相关的肌间网络模型，绘制肌电各频段无向图，计算出连通率、小世界特性等肌间网络指标建立复杂网络，揭示肢体运动区之间的功能连接和相互影响。通过运动单元分解，计算传递熵构建复杂网络从根本上分析肌电信号的耦合特性。为研究肌间耦合分析提供新方法。
-
公开(公告)号：CN111832431B
公开(公告)日：2024-12-10
申请号：CN202010582404.1
申请日：2020-06-23
Applicant: 杭州电子科技大学
IPC: G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于CNN的情绪脑电分类方法。本发明采用连续情绪维度模型中的Russell情绪维度模型为基准，使用DEAP数据集作为样本，对其中的情绪脑电进行基线移除，再进行数据归一化，提取脑电三个频带的皮尔逊系数，将其转换2D图片格式，以实验为单位通过SBS筛选有价值用来情绪脑电分类的实验，并将筛选后的实验数据输入CWAGAN‑GP进行数据增强以此补充训练集，再以帧的形式输入集成卷积神经网络。该方法可以有效地对情绪脑电信号进行分类，提供了可观的分类精度，并且以帧形式输入集成卷积神经网络的操作可以有效防止卷积神经网络过拟合。
-
公开(公告)号：CN111709314B
公开(公告)日：2023-08-22
申请号：CN202010461641.2
申请日：2020-05-27
Applicant: 杭州电子科技大学
IPC: G06F18/213 , G06F18/24
Abstract: 本发明公开了一种基于面部表面肌电的情感分布识别方法；目前基于生理信号的人脸情感识别的研究主要集中在单一的基本情感上。因此，提出了基于面部表面肌电信号的标记分布学习来预测情感分布。本方法采集了降眉肌、颧大肌、额头和降口角肌的sEMG，从中提取6个特征，利用主成分分析选出对特征集进行降维。LDL的核心思想是学习到从PCA选择的特征到人脸情感分布的映射关系，这种映射关系能够反映一个面部表情是由不同强度的基本情感混合而成。将LDL的性能与多标记学习进行了比较，结果表明，本方法能更准确地预测面部情感分布。
-
公开(公告)号：CN115935140A
公开(公告)日：2023-04-07
申请号：CN202211482033.5
申请日：2022-11-24
Applicant: 杭州电子科技大学
IPC: G06F18/00 , G06F18/2321 , G06F18/22
Abstract: 本发明公开了一种基于黎曼流形切空间对齐的主传输迁移成分识别方法，首先通过黎曼对齐得到被试的协方差矩阵，然后将它投射到切线空间矩阵。其次，利用最优传输理论得到最优传输映射，利用映射矩阵将源域映射到最优传输源域。接着，利用迁移成分分析将映射后的源域和目标域转化到相似的子空间，构建学习框架，提高分类精度。最后，在两个公共运动想象数据集上验证了所提出的方法。与其他迁移识别方法相比，在没有对目标受试者进行标记的情况下，分类准确度都有较大的提升，且降低了算法的时间消耗。
-
公开(公告)号：CN110969108B
公开(公告)日：2023-04-07
申请号：CN201911168627.7
申请日：2019-11-25
Applicant: 杭州电子科技大学
IPC: G06F18/15 , A61B5/372 , A61B5/369 , A61B5/11 , G06F18/2431 , G06F18/213
Abstract: 本发明是一种基于自主运动想象脑电的肢体动作识别方法，调查数据表明，当人做同一个动作时，大脑会产生类似的脑电信号，因此可以提取这些特征信号来实现机械臂的运动，进而辅助残疾人运动。本发明通过建立脑网络进行动作的分类，这种方法加强了大脑各个区域之间相关性的考虑，展现了EEG信号及其相关节律特征背后的工作机制。之后通过一种全新的基于非线性部分定向相干方法的脑因效性网络分析法，利用随机森林进行进行上肢运动分类，分类准确度高，根据脑电信号判断相应的动作，从而使得机械臂运动，达到残疾人辅助运动的目的。
-
Patent Agency Ranking
公开(公告)号：CN115034296A
公开(公告)日：2022-09-09
申请号：CN202210620691.X
申请日：2022-06-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于域相似性脑电跨被试源域选择方法。针对现有技术的问题，提出的技术方案为：首先根据改进的MMD公式求出每一被试内的类间间距MMD(xi)并给出置信度；通过计算选择出的Copula函数Kendall秩相关系数并叠加前者的置信度，设置阈值选取大致1/3的源域作为迁移对象进行迁移学习；再通过对分布平衡进行自适应调节以平衡条件分布和边缘分布；最后更新目标域软标签最后返回分类器进行三分类输出分类准确度。本发明使用了源域选择提高了基于流形嵌入分布对齐的效率，最终使用适合迁移学习的源域进行学习，相比传统方法提高了准确度并极大降低了运算时间。
-
公开(公告)号：CN111789592B
公开(公告)日：2022-04-05
申请号：CN202010620170.5
申请日：2020-06-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于拓扑特征融合的脑电识别方法，本发明为了提高手部动作分类的性能，采用了一种LBELM和基于似然同步分析方法量化脑功能网络的新方法。与传统思想不同，本发明对二值FBN提取了两种最优的拓扑特征，并通过LBELM对两种最优的拓扑特征进行LBELM特征空间层的融合；同时本发明对LBELM做出了进一步的改进，增加了隐藏层参数优化以获得更高、更稳定的识别效果；使用了基于MSEPRESS的留一法优化算法，以获得最优的正则化系数和融合比例。
-
公开(公告)号：CN113827257A
公开(公告)日：2021-12-24
申请号：CN202110762115.4
申请日：2021-07-06
Applicant: 杭州电子科技大学
Abstract: 本发明涉及基于FastICA和收缩力的表面肌电分解方法，属于肌电信号处理技术领域。首先对高密度阵列式表面肌电信号进行滤波预处理；其次，采用FastICA分解低等级的收缩力肌电信号，提取出该等级肌力信号中的运动单位动作电位序列矩阵；然后通过FastICA分解中高等级收缩力的信号，将此等级中提取的运动单位动作电位序列与上一级的动作电位序列矩阵作差；最后以相邻等级电位序列矩阵的距离误差最小为约束，迭代上述分解算法并寻优。改进后的分解方法准确率高、实现简单，能在中高度收缩力等级下分解出较多的运动单位。
-
公开(公告)号：CN109645995B
公开(公告)日：2021-09-07
申请号：CN201910038177.3
申请日：2019-01-16
Applicant: 杭州电子科技大学
Abstract: 本发明涉及到一种基于肌电模型和无迹卡尔曼滤波的关节运动估计方法，首先采集膝关节在连续运动状态下股二头肌、股四头肌、股外侧肌、股内侧肌、半腱肌、股薄肌的肌电信号和实时角度，对其进行带通滤波处理，并提取小波系数和均方根特征，然后使用一种结合了肌肉动力学、关节动力学、骨骼动力学和相关肌电特征的状态空间肌电模型，通过无迹卡尔曼滤波算法，得出Sigma采样集χi和权重Wi，然后进行进一步的预测，计算出系统状态变量和协方差矩阵P(k+1|k)，迭代循环后，实现对膝关节连续运动的估计。该方法与传统的角度估计方法相比，减小了系统误差、累积误差和外部干扰的影响，精度高，稳定性好，对目标机动反应快速，有了明显的改进。
-
公开(公告)号：CN111832431A
公开(公告)日：2020-10-27
申请号：CN202010582404.1
申请日：2020-06-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于CNN的情绪脑电分类方法。本发明采用连续情绪维度模型中的Russell情绪维度模型为基准，使用DEAP数据集作为样本，对其中的情绪脑电进行基线移除，再进行数据归一化，提取脑电三个频带的皮尔逊系数，将其转换2D图片格式，以实验为单位通过SBS筛选有价值用来情绪脑电分类的实验，并将筛选后的实验数据输入CWAGAN-GP进行数据增强以此补充训练集，再以帧的形式输入集成卷积神经网络。该方法可以有效地对情绪脑电信号进行分类，提供了可观的分类精度，并且以帧形式输入集成卷积神经网络的操作可以有效防止卷积神经网络过拟合。
-
-
-
-
-
-
-
-
-
Search Results
104
records
(took 0.034 seconds)
