-
公开(公告)号：CN114332101A
公开(公告)日：2022-04-12
申请号：CN202111638106.0
申请日：2021-12-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于遗传算法的U‑Net网络模型剪枝方法。本发明首先对数据集进行扩增处理，其次将遗传优化算法与U‑Net模型相结合，将U‑Net模型的损失函数引入到遗传算法的适应度指标中，而优化的目标则是U‑Net模型的各层通道数的压缩率组合；随后通过遗传算法获得所需的最佳U‑Net网络的压缩率组合，并对网络结构进行剪枝处理。本发明与剪枝前的U‑Net网络模型相比，在三个数据集以及各自的扩增数据集的分割结果上，模型剪枝前后对结果并没有较大差异，但整个U‑Net网络的参数量以及计算量等都有明显的降低，达到了网络模型剪枝的效果。
-
公开(公告)号：CN113598792A
公开(公告)日：2021-11-05
申请号：CN202110890952.5
申请日：2021-08-04
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于有监督特征融合算法的癫痫脑电分类方法。本发明首先从脑电片段中提取功率谱密度和频率切片小波变换的波动指数作为特征。接下来，利用监督的局部保持典型相关分析算法，通过最大化类中成对样本与其邻居之间的权重相关性来获得最佳投影方向，而原始特征在最佳投影方向上的投影组合就是融合特征。然后将融合特征输入到最小二乘支持向量机进行训练和测试。该方法在波恩数据集和CHB‑MIT数据集上得到了验证，得到了很好的结果。此外，还讨论了监督的局部保持典型相关分析算法的参数灵敏度以及融合特征的维数与分类结果的关系，进一步验证了该方法的稳定性和有效性。
-
公开(公告)号：CN112735595A
公开(公告)日：2021-04-30
申请号：CN202011609523.8
申请日：2020-12-30
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种工作记忆能力的综合评定方法。首先让被试执行工作记忆任务范式，从不同记忆负载的角度测试工作记忆能力并采集行为学数据与多通道脑电数据。其次提取行为学数据中的反应时长T与准确率AC作为特征，计算得到工作记忆能力的行为学评价指标。再次对采集得到的脑电数据进行处理，利用通道间的互相关系数构建出全脑功能网络，提取节点度、聚类系数和全局效率作为特征计算得到工作记忆能力的脑网络特征评价指标。最后综合行为学评价指标和脑网络特征评价指标，通过组合得到更全面更科学客观的综合评估指标，为经颅直流电刺激提升工作记忆能力的参数调节方式提供了思路。
-
公开(公告)号：CN112560703A
公开(公告)日：2021-03-26
申请号：CN202011503733.9
申请日：2020-12-18
Applicant: 杭州电子科技大学
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：CN112450947A
公开(公告)日：2021-03-09
申请号：CN202011312879.5
申请日：2020-11-20
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种针对情绪唤醒度的动态脑网络分析方法。采用滑动时间窗口分割数据，通过传递熵建立大脑功能网络。将分段的脑网络按时间顺序连接成动态脑网络，用于显示实验刺激过程中受试者的详细动态变化。为确保动态连接真实可靠，使用聚类和替代序列测试和分析。最后，使用优化计算的特征‑通道规范信息优化数据并评估活动水平，使结果更清晰。为寻找潜在的重要刺激片段提供了指导和基础。与传统静态脑网络相比，本方法采用更合理科学的方式建立脑功能网络，能够更细致的观察和分析实验刺激过程中大脑状态的变化，并且提出的特征可以有效的简化网络结构和结果分析。
-
Patent Agency Ranking
公开(公告)号：CN111931576A
公开(公告)日：2020-11-13
申请号：CN202010645778.3
申请日：2020-07-07
Applicant: 杭州电子科技大学
IPC: G06K9/00
Abstract: 本发明提出基于EWT和改进CSP的癫痫信号分类方法。该方法包括：对信号进行预处理、利用相关性分析择优选择信号通道、提取癫痫脑电信号发作间期和发作前期的时域、频域以及空域三个特征域的特征，最后将三个特征域的合并特征矩阵输入基于支持向量机分类器，实现癫痫脑电信号发作间期和发作前期的有效识别。其中，时域特征包括均方值根、绝对平均值以及过零点数；频域特征的提取运用经验小波变换进行多模态分解和韦尔奇功率谱进行单模态选择，再对每个通道的单模态使用希尔伯特变换方法提取信号的瞬时振幅和瞬时频率；利用改进的CSP算法提取空域特征。本发明中，经验小波变换克服了EMD方法的局限性，此外，改进的CSP算法具有较高的识别率和计算效率。
-
公开(公告)号：CN111931078A
公开(公告)日：2020-11-13
申请号：CN202010645826.9
申请日：2020-07-07
Applicant: 杭州电子科技大学
IPC: G06F16/9537 , G06F16/9538 , H04W4/02
Abstract: 本发明公开了一种基于地图场景的信息交互系统和方法，其中信息交互系统包括移动终端和服务器端两个组成部分，移动终端收集互动信息并发送给服务器端，服务器端接收信息后进行数据的融合处理并将处理结果返回移动终端，最终移动终端将互动信息进行场景化的动态展示。本发明提供一种全新的信息交互方式，可以有效解决现有交互系统的架构局限性和场景单调性，提高信息的检索效率和交互体验。
-
公开(公告)号：CN110732082A
公开(公告)日：2020-01-31
申请号：CN201910923310.3
申请日：2019-09-27
Applicant: 杭州电子科技大学
IPC: A61N1/20 , A61N1/36 , A61B5/0484
Abstract: 本发明提出了一种采用经颅直流电刺激和功能性电刺激的运动功能闭环康复方法。首先对大脑皮层区域进行tDCS刺激，改善皮层活性并且促进神经重塑，提高MI-BCI的准确性。在此基础上采集多通道运动想象的脑电信号，构建通道重要性测度，获得通道特征权值矩阵，为各通道特征向量加权，构造特征加权logistic分类机。最后利用logistic分类机进行运动想象识别，根据识别结果进行FES刺激完成上肢动作，促进本体感觉上行反馈至中枢，与tDCS刺激引发重塑和运动控制的神经冲动下行一起，构成双刺激干预，塑造了“控制下行-感觉上行”的运动功能闭环康复回路，促使患者自然和全面的康复。
-
公开(公告)号：CN109009091A
公开(公告)日：2018-12-18
申请号：CN201810462011.X
申请日：2018-05-15
Applicant: 杭州电子科技大学
IPC: A61B5/0476
CPC classification number: A61B5/0476 , A61B5/7203
Abstract: 本发明提出了一种基于EEMD与DSS‑ApEn的脑电信号消噪方法。利用EEMD分解算法将含噪脑电信号分解为若干个内蕴模态函数IMF(Intrinsic Mode Functions)分量，滤除最高频分量后的IMF分量应用DSS分离出各独立源信号，再选择频谱近似熵最大的独立源信号作为去噪信号。本发明提出的消噪方法消噪后的脑电信号波形相对清晰，更重要的是原始信号的细节特征也被很好地保留下来。
-
公开(公告)号：CN107618018A
公开(公告)日：2018-01-23
申请号：CN201711019198.8
申请日：2017-10-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于肌电的机械手动作速度比例控制方法；首先，通过肌电采集仪采集尺侧腕伸肌和桡侧腕屈肌的表面肌电信号，通过能量阈值法确定动作的起始位置和终止位置作为动作肌电信号，提取信号的平滑窗平均功率；用小波分析法对原始表面肌电信号进行多尺度分解，提取信号多尺度模糊熵特征，并和平均功率组成特征向量输入扩展的K最近邻模型分类器，识别手部动作，同时通过正交多项式拟合操作者与机械手动作速度，最终控制机械手以相应的速度完成相应的动作。本发明提高了人机交互的自然性和主动性，从而提高了操作的准确性和便捷性，降低了机械手操作的危险等级，使机械手可以完成相对复杂、危险的任务。
-
-
-
-
-
-
-
-
-
Search Results
151
records
(took 0.039 seconds)
