-
公开(公告)号：CN110942089B
公开(公告)日：2023-10-10
申请号：CN201911086201.7
申请日：2019-11-08
Applicant: 东北大学
IPC: G06F18/24 , G06F18/243 , G06F18/25 , G06F18/10 , G06F18/214
Abstract: 本发明提供一种基于多级决策的击键识别方法，涉及人机交互技术领域。本发明步骤如下：步骤1：获取击键特征向量形成初始训练集和测试集；步骤2：采用SCM算法对测试集中的任一待分类样本进行击键识别，输出分类样本的类别；所述SCM算法由基于特征分布区间的阈值决策算法、基于中心距特征的距离决策算法以及基于加速度幅值特征的击键修正算法构成，基于特征分布区间的阈值决策算法和基于中心距特征的距离决策算法都是投票最高的类被认为是预测类，此外，修正决策算法选择加速度数据来进行基准键的单独识别。本方法不受缺失值的影响，具有较小的计算量，同时对计算资源和内存空间要求较少，具有较强的可解释性和易实现性。
-
公开(公告)号：CN110942089A
公开(公告)日：2020-03-31
申请号：CN201911086201.7
申请日：2019-11-08
Applicant: 东北大学
IPC: G06K9/62
Abstract: 本发明提供一种基于多级决策的击键识别方法，涉及人机交互技术领域。本发明步骤如下：步骤1：获取击键特征向量形成初始训练集和测试集；步骤2：采用SCM算法对测试集中的任一待分类样本进行击键识别，输出分类样本的类别；所述SCM算法由基于特征分布区间的阈值决策算法、基于中心距特征的距离决策算法以及基于加速度幅值特征的击键修正算法构成，基于特征分布区间的阈值决策算法和基于中心距特征的距离决策算法都是投票最高的类被认为是预测类，此外，修正决策算法选择加速度数据来进行基准键的单独识别。本方法不受缺失值的影响，具有较小的计算量，同时对计算资源和内存空间要求较少，具有较强的可解释性和易实现性。
-
公开(公告)号：CN109814707A
公开(公告)日：2019-05-28
申请号：CN201811560037.4
申请日：2018-12-19
Applicant: 东北大学秦皇岛分校
IPC: G06F3/01 , G06F3/0346 , G06F3/038 , G06K9/62
Abstract: 本发明公开了一种基于智能指环的虚拟输入方法及系统，其中，所述方法包括：智能指环采集击键发生时刻的运动数据，其中，运动数据包括加速度数据、角速度数据和磁场数据；智能指环将运动数据通过无线传输方式发送到输入识别终端；输入识别终端采用角度互补滤波算法对运动数据进行姿态解算，得到姿态角数据，并通过角速度数据提取运动波形中的活动段；在活动段的中间时刻对姿态角数据进行特征提取，得到姿态角特征值；输入识别终端对加速度数据进行特征提取，得到加速度特征值；输入识别终端采用支持向量机对姿态角特征值和加速度特征值进行按键识别。与现有技术相比，本发明的操作灵活、便携性好、识别快速准确，且易于手指穿戴，智能指环线路简单、成本较低，应用场景广泛。
-
公开(公告)号：CN118277857A
公开(公告)日：2024-07-02
申请号：CN202410373644.9
申请日：2024-03-29
Applicant: 东北大学秦皇岛分校
IPC: G06F18/241 , G06F18/2131 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于序列数据图像化与特征增强网络的故障诊断方法，涉及故障诊断技术领域，解决的技术问题在于利用机械设备的振动信号数据，实现对设备的故障诊断。本发明的框架集成了序列数据跨域融合图像化方法以及新型轻量级特征增强网络结构。其中，跨域融合图像化方法包括数据预处理、数据变换、点像素映射及跨域融合图像生成；轻量级特征增强网络结构包括特征提取模块、特征融合模块、特征增强模块和分类模块。序列数据经图像化后可提供更多故障信息，更突出固有特征，作为特征增强网络的输入数据，可实现对机械设备高精度、快速的故障诊断。本发明解决了原始振动数据中时间和频率特征表达不足以及现有网络模型特征提取能力不足的问题，为机械设备的故障诊断提供了新的视角和方向。
-
-
-
Search Results
4
records
(took 0.016 seconds)
