一种基于类别分层机制的人体运动状态分类方法

    公开(公告)号:CN106203484B

    公开(公告)日:2019-06-21

    申请号:CN201610509467.8

    申请日:2016-06-29

    Abstract: 一种基于类别分层机制的人体运动状态分类方法,包含不同类别动作设计与动作样本采集、不同类别动作样本分割与类别标注、动作样本数据预处理、动作样本特征提取、基于动作样本数据的特征选择、基于类别分层机制的分类器构建和分类方法有效性验证等步骤。本发明以类别分层机制为核心,旨在减少分类过程中由于分类器受到其他类别训练样本影响而对测试样本类别误判的现象,达到提高人体运动状态识别准确率及召回率的目的。本发明可以作为任何一种人体运动状态识别的核心分类方法,具有较强的通用性和可移植性。

    一种基于类别分层机制的人体运动状态分类方法

    公开(公告)号:CN106203484A

    公开(公告)日:2016-12-07

    申请号:CN201610509467.8

    申请日:2016-06-29

    CPC classification number: G06K9/6268

    Abstract: 一种基于类别分层机制的人体运动状态分类方法,包含不同类别动作设计与动作样本采集、不同类别动作样本分割与类别标注、动作样本数据预处理、动作样本特征提取、基于动作样本数据的特征选择、基于类别分层机制的分类器构建和分类方法有效性验证等步骤。本发明以类别分层机制为核心,旨在减少分类过程中由于分类器受到其他类别训练样本影响而对测试样本类别误判的现象,达到提高人体运动状态识别准确率及召回率的目的。本发明可以作为任何一种人体运动状态识别的核心分类方法,具有较强的通用性和可移植性。

    一种基于多尺度窗口为阈值的复杂度分析方法

    公开(公告)号:CN107292095A

    公开(公告)日:2017-10-24

    申请号:CN201710431989.5

    申请日:2017-06-09

    CPC classification number: G06F19/00

    Abstract: 本发明公开了一种基于多尺度窗口为阈值的复杂度分析方法。对于脑电信号的研究,以往主要集中在时频特征的传统分析方法上,近几年越来越多的研究采用非线性方法。大多非线性方法第一步都会涉及粗粒化问题,而过度粗粒化会损失脑电信号中的有效信息。本发明为了解决这个问题,提出了基于多尺度窗口的复杂度计算方法,本发明方法首先对脑电信号进行滤波处理,提取有效频段,之后取不同尺度窗口,以窗口内中值为阈值,为每个信号点取各自独特的阈值进行二值化处理进行粗粒化。本发明对之前以均值为阈值进行粗粒化提高了有效性,能正确提取信号中的有效信息。

    一种基于电子化POMS自评量表的心境状态评价方法

    公开(公告)号:CN106202887A

    公开(公告)日:2016-12-07

    申请号:CN201610500040.1

    申请日:2016-06-29

    CPC classification number: G16H50/30

    Abstract: 本发明公开了一种基于电子化POMS自评量表的心境状态评价方法,主要包含电子化POMS量表数据采集、量表数据存储与管理、量表采集天数判断及量表数据处理、心境状态长时间变化评估模型构建以及基于评估模型的心境状态长时间变化客观量化评价等操作步骤。本发明基于Android手机上安装的电子化POMS自评量表对用户进行长时间、多天的不同心境状态量化评估数据采集,采用数据统计和主成分分析的方法建立心境状态评估模型,旨在为用户提供主要心境状态及其变化、用户不同心境状态日常变化和总体心境量化评估等量化评估服务,从长时间、连续性的角度避免了传统量化方法中片段式、主观化评估心境状态的缺点,丰富了精神疾病客观量化领域的研究方法。

    一种基于电子化POMS自评量表的心境状态自评系统

    公开(公告)号:CN106166073A

    公开(公告)日:2016-11-30

    申请号:CN201610509466.3

    申请日:2016-06-29

    CPC classification number: A61B5/165

    Abstract: 本发明公开了一种基于电子化POMS自评量表的心境状态自评系统,该系统包含能手机和后台云服务器两大部分。其中,智能手机安装了自主开发的电子化POMS自评量表,后台云服务器上接收手机发送的量表数据并运行心境状态评价算法,将得到的主要心境状态及其变化规律、用户不同心境状态日常变化规律和总体心境量化评估等结果发送到手机上并反馈给用户。本发明通过滑块和按钮等组件来操作电子化自评量表,简单方便的操作不仅适用于患有抑郁、躁狂、焦虑等精神疾病患者及复诊患者的日常精神状态评估,提高患者治疗依从性,而且可以为家庭、社区等环境下的正常用户提供精神状态评估服务,提高精神卫生医疗服务的可及性。

    一种基于EMD及高斯核函数SVM的脑电情感分类方法

    公开(公告)号:CN107273841A

    公开(公告)日:2017-10-20

    申请号:CN201710432101.X

    申请日:2017-06-09

    CPC classification number: G06K9/00536 G06K9/6223 G06K9/6269

    Abstract: 本发明公开了一种基于EMD及高斯核函数SVM的脑电情感分类方法,针对脑电信号分类正确率不高的问题,本发明将经验模态分解(EMD)技术与SVM进行结合,对脑电信号先进行EMD分解,得到若干条模态分量,每个模态分量中包含不同频率的有效信息,再将频率能量作为每条模态分量的量化标准,即每条脑电可以得到不同的特征值,将这些特征值作为脑电序列的特征值进行下一步的分类样本值。通过实验表明,基于EMD及高斯核函数SVM的脑电分类方法能够提高脑电信号分类的正确率。

Patent Agency Ranking