-
公开(公告)号：CN104305964B
公开(公告)日：2016-05-04
申请号：CN201410633521.0
申请日：2014-11-11
Applicant: 东南大学
IPC: A61B5/00 , A61B5/0476
Abstract: 本发明公开了一种头戴式疲劳检测装置及方法，其中检测装置包括：脑电采集模块，用于获取用户的原始脑电信号；脑电分析模块，用于实时接收所述原始脑电信号，并通过标准时频分析算法处理原始脑电信号，获得特征参数，包括脑电节律功率谱和眨眼频率；疲劳估计器，用于根据所述特征参数所处的空间分布实现对用户的疲劳程度的估计，生成疲劳估计结果；语音播报模块，用于将所述疲劳估计结果实时播放给用户；电源模块，用于为上述各模块提供能量。本发明结构简单，适用性广泛，性能优越，能够解决疲劳检测问题，具有较好的市场前景。
-
公开(公告)号：CN120067812A
公开(公告)日：2025-05-30
申请号：CN202510211542.1
申请日：2025-02-25
Applicant: 东南大学
IPC: G06F18/241 , G06N3/006 , G06N3/0442 , G06F18/10 , G06N3/048 , G06N3/047 , G06N3/084 , G08G1/01
Abstract: 本发明公开了一种基于LSTM‑PSO的高动态场景IDM模型参数在线标定方法，包括：对路段部署的传感器采集的原始车辆轨迹数据进行处理，提取车辆速度、加速度、车头间距、交通流量等特征变量，筛选出符合初始条件的车辆组跟驰数据；结合交通规则等对跟驰数据进一步进行预处理，并根据交通流量、速度、加速度等特征定义场景类型；通过构建和标准化基于多场景输入的时间序列数据集，利用LSTM神经网络完成高动态场景分类模型的训练和实时场景识别；设置IDM模型待标定参数范围并初始化PSO粒子群，根据场景识别结果调整参数边界，结合PSO算法在线标定IDM模型参数(分类型)，以误差最小化为目标获得最优解；动态记录并更新不同场景的最优参数库。
-
Patent Agency Ranking
公开(公告)号：CN104318253A
公开(公告)日：2015-01-28
申请号：CN201410634428.1
申请日：2014-11-11
Applicant: 东南大学
Abstract: 本发明公开了一种MOOC在线学习模式识别系统及方法，其中识别系统包括：头戴式脑电采集仪，用于实时获取被测对象在线学习过程中的脑电信号，并具有可发射所述脑电信号的无线通信模块；眨眼检测与分析仪，用于接收头戴式脑电采集仪发送的脑电信号，并将其通过标准化的时频分析算法处理，以获得眨眼时刻信息并进而获得眨眼时刻序列；对眨眼时间序列进行统计分析，获得反映在线学习状态模式的特征参数；模式识别与分类器，用于根据特征参数所处的空间位置实现对用户在线学习状态的模式识别与分类，进而给用户提供实时反馈信息。本发明结构简单，适用性广泛，性能优越，能够解决MOOC在线学习状态的模式识别问题，具有较好的市场前景。
-
公开(公告)号：CN104305964A
公开(公告)日：2015-01-28
申请号：CN201410633521.0
申请日：2014-11-11
Applicant: 东南大学
IPC: A61B5/00 , A61B5/0476
CPC classification number: A61B5/0476 , A61B5/6803 , A61B5/7235
Abstract: 本发明公开了一种头戴式疲劳检测装置及方法，其中检测装置包括：脑电采集模块，用于获取用户的原始脑电信号；脑电分析模块，用于实时接收所述原始脑电信号，并通过标准时频分析算法处理原始脑电信号，获得特征参数，包括脑电节律功率谱和眨眼频率；疲劳估计器，用于根据所述特征参数所处的空间分布实现对用户的疲劳程度的估计，生成疲劳估计结果；语音播报模块，用于将所述疲劳估计结果实时播放给用户；电源模块，用于为上述各模块提供能量。本发明结构简单，适用性广泛，性能优越，能够解决疲劳检测问题，具有较好的市场前景。
-
-
-
-
Search Results
7
records
(took 0.028 seconds)
