-
公开(公告)号：CN114897019A
公开(公告)日：2022-08-12
申请号：CN202210514263.9
申请日：2022-05-11
Applicant: 杭州电子科技大学
IPC: G06K9/00
Abstract: 本发明提供一种基于特征与状态二部图的脑电情感识别方法。该方法的具体步骤包括引导被试者观看带有明显情感倾向的影片片段，同时采集脑电数据，对其进行预处理和特征提取后，生成数据矩阵。为得到能够很好刻画特征与样本之间关联的二部图，首先使用数据矩阵对二部图进行初始化，一层为特征，另一层为样本，层内无连接，层间全连接。然后基于图结构化学习理论，通过对其约束非负性，行归一化及拉普拉斯秩约束，学习到最优的二部图，再联合半监督图标记传播模型，得到无标记样本的标签，其内在机理是同类情感样本有相似的特征分布。最后，对学习到的标签矩阵按列拆分，每一列代表一类情感与特征之间的关联程度。
-
公开(公告)号：CN114330422A
公开(公告)日：2022-04-12
申请号：CN202111491551.9
申请日：2021-12-08
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种实时估计脑电情感特征的跨被试迁移学习方法，包括如下步骤：步骤1脑电数据采集，步骤2脑电数据进行预处理，步骤3建立目标函数，步骤4迭代优化目标函数，步骤5将步骤2中完成预处理的脑电数据输入至迭代优化后的目标函数中，通过数学模型不断迭代优化目标标签，能够根据脑电数据准确地识别被试者的情感状态，另外，针对的是脑电研究领域较难的跨被试情景，通过半监督标签传播以及域适应联合迭代优化，半监督标签传播优化得到更好的目标标签，以得到更加优秀的映射矩阵提高迁移效果，使得源域数据和目标域数据更加接近，不断迭代、优化，从而得到更加优秀的情感状态识别结果，提高跨被试迁移进行情感识别的准确性。
-
公开(公告)号：CN114209341A
公开(公告)日：2022-03-22
申请号：CN202111608170.4
申请日：2021-12-23
Applicant: 杭州电子科技大学
Abstract: 本发明设计了一种特征贡献度差异化脑电数据重构的情感激活模式发掘方法。本发明步骤如下：1、在诱发情感的场景下对多个被试进行脑电数据采集。2、对步骤1所得的脑电数据进行预处理、特征提取及相关数据的准备。3、建立特征贡献度差异化数据重构模型。4、求解并训练步骤3中所建立的模型并在测试数据上得到情感识别结果。5、根据差异化表示因子获得关键频段与关键导联信息即脑电情感激活模式。本方法创新地利用差异化表示因子，提高了脑电情感识别模型的预测精度；同时，可利用其获取脑电情感的激活模式。
-
公开(公告)号：CN111265214A
公开(公告)日：2020-06-12
申请号：CN202010114457.0
申请日：2020-02-25
Applicant: 杭州电子科技大学
IPC: A61B5/0476 , A61B5/00 , G06F17/16
Abstract: 本发明公开了一种基于数据结构化分解的脑电信号分析方法。大脑不同的皮层之间虽然负责不同的功能，但却会相互影响，易受干扰，这造成了脑电信号的非线性以及非平稳性的特点。本发明如下：1、采集受试者的脑电数据；2、对二维脑电数据进行分解。3、分别求解出全局信息低秩矩阵、公共信息矩阵、噪声矩阵。4、构建样本子空间与识别方案。本发明提供了一种能够区分不同应用场景的新型和有效的生理信号处理方式，能够有效进行脑电信号处理，可以在脑电信号中分离出适合于模式识别的脑电本征部分和差异化部分，以及会影响识别准确率的噪声部分；利用分离出的本征部分和差异化部分，能在多种脑电识别任务中，提高识别的准确率。
-
-
-
Search Results
64
records
(took 0.025 seconds)
