-
公开(公告)号：CN116644270A
公开(公告)日：2023-08-25
申请号：CN202310597573.6
申请日：2023-05-25
IPC: G06F18/00 , A61B5/22 , A61B5/00 , G06F18/10 , G06F18/213 , G06N3/0455 , G06N3/08 , G06F123/02
Abstract: 本发明公开了一种基于递归图和宽度学习的肌强直评估方法及系统，涉及机器学习技术领域，用以解决现有模型对于输入的肌张力信号分类不准的问题。本发明的技术要点包括：采集不同人的肌张力时间序列信号，并对肌张力时间序列信号进行预处理；利用预处理后的肌张力时间序列信号构建递归图；提取不同人的肌张力时间序列信号所对应的基于递归图的量化特征；将量化特征输入基于宽度学习的分类模型中进行训练，获取训练好的分类模型；提取待测的肌张力时间序列信号所对应的量化特征，并将其输入训练好的分类模型中获取肌强直预测结果。本发明在实现时间序列可视化同时可获取具有明显区分度的肌张力特征，可满足肌强直评估中对评估准确率和效率的要求。
-
公开(公告)号：CN113240018B
公开(公告)日：2023-02-03
申请号：CN202110544233.8
申请日：2021-05-19
IPC: G06V10/764 , G06V10/82 , G06N3/0499 , G06N3/084
Abstract: 一种基于误差反向传播算法的手绘图形分类方法及系统，涉及神经网络技术领域，用以解决现有技术不能对手绘图像数据进行有效分类的问题。本发明的技术要点包括：设计一个或多个规则图形描绘模板；根据规则图形描绘模板获取手绘图像数据；对手绘图像数据进行预处理；构建并训练BP神经网络模型；将待分类手绘图像数据输入训练好的BP神经网络模型，获取分类结果。本发明可以区分出书写轨迹之间细微的差异，对于书写者是否存在震颤的划分更为精准。本发明可应用于临床医疗上以判断患者手部是否存在震颤。
-
公开(公告)号：CN112075940A
公开(公告)日：2020-12-15
申请号：CN202010996323.6
申请日：2020-09-21
Abstract: 一种基于双向长短时记忆神经网络的震颤检测系统，涉及人工智能领域，针对现有技术中震颤检测存在准确性低的问题，包括：手部检测模块和模型预测模块；所述手部检测模块包括震颤数据采集单元和震颤数据处理单元；所述震颤数据采集单元用于采集手部三轴加速度信号；所述震颤数据处理单元用于将手部三轴加速度信号转化为手部三轴加速度数据；所述模型预测模块包括手部震颤数据处理单元和模型训练单元；所述手部震颤数据处理单元用于对接收到的三轴加速度数据进行处理，得到训练集和测试集；所述模型训练单元用于利用训练集和测试集对模型进行训练，得到训练好的模型。本发明用于震颤检测，检测效率高。
-
公开(公告)号：CN113705649B
公开(公告)日：2024-01-12
申请号：CN202110959839.8
申请日：2021-08-20
IPC: G06F18/2411 , G06F18/213 , G06F18/10
Abstract: 一种基于EMD‑SVD特征提取的手部震颤检测方法及系统，涉及机器学习技术领域，用以解决现有的手部震颤检测系统不能快速、准确地对采集的手部数据进行有效分类的问题。本发明的技术要点包括：利用手部震颤检测装置采集手部数据的时间序列，基于EMD方法进行信号处理，得到时间序列中的本征模态函数，采用SVD方法提取本征模态函数矩阵中的奇异值，得到手部震颤数据的有效特征，最后通过SVM分类器构建多分类策略，对上述特征进行分类，进而达到手部震颤检测的目的。本发明可应用于临床医疗上以判断患者手部是否存在震颤。
-
公开(公告)号：CN113705649A
公开(公告)日：2021-11-26
申请号：CN202110959839.8
申请日：2021-08-20
IPC: G06K9/62
Abstract: 一种基于EMD‑SVD特征提取的手部震颤检测方法及系统，涉及机器学习技术领域，用以解决现有的手部震颤检测系统不能快速、准确地对采集的手部数据进行有效分类的问题。本发明的技术要点包括：利用手部震颤检测装置采集手部数据的时间序列，基于EMD方法进行信号处理，得到时间序列中的本征模态函数，采用SVD方法提取本征模态函数矩阵中的奇异值，得到手部震颤数据的有效特征，最后通过SVM分类器构建多分类策略，对上述特征进行分类，进而达到手部震颤检测的目的。本发明可应用于临床医疗上以判断患者手部是否存在震颤。
-
Patent Agency Ranking
公开(公告)号：CN113240018A
公开(公告)日：2021-08-10
申请号：CN202110544233.8
申请日：2021-05-19
Abstract: 一种基于误差反向传播算法的手绘图形分类方法及系统，涉及神经网络技术领域，用以解决现有技术不能对手绘图像数据进行有效分类的问题。本发明的技术要点包括：设计一个或多个规则图形描绘模板；根据规则图形描绘模板获取手绘图像数据；对手绘图像数据进行预处理；构建并训练BP神经网络模型；将待分类手绘图像数据输入训练好的BP神经网络模型，获取分类结果。本发明可以区分出书写轨迹之间细微的差异，对于书写者是否存在震颤的划分更为精准。本发明可应用于临床医疗上以判断患者手部是否存在震颤。
-
公开(公告)号：CN118051507A
公开(公告)日：2024-05-17
申请号：CN202410094645.X
申请日：2024-01-24
Applicant: 哈尔滨工业大学
IPC: G06F16/215
Abstract: 本发明涉及一种基于EEMD的工业传感器缺失数据填补方法及系统，该方法包括如下步骤：步骤1、采集设备的过程数据，进行预处理；步骤2、基于EEMD对连续数据进行分解；步骤3、对非连续子序列的缺失值进行填补；步骤4、获得填补后完整的传感器数据，实现工业传感器缺失数据填补方法。本发明还涉及一种基于EEMD的工业传感器缺失数据填补方法的系统，所述系统包括用于运行基于EEMD的工业传感器缺失数据填补方法的计算机模块。本发明能够将工业传感器数据分解为个数可约束的本征模态函数，体现不同时间尺度、不同频率的局部特征。本发明针对不同频率的信号成分变化趋势的特点，对不同频率成分分别进行分析和处理，实现工业传感器缺失数据的填补。
-
公开(公告)号：CN116561640A
公开(公告)日：2023-08-08
申请号：CN202310597459.3
申请日：2023-05-25
Applicant: 哈尔滨工业大学
IPC: G06F18/24 , G06F18/214 , G06N3/0464
Abstract: 本发明公开了一种基于不等长时间序列处理的工业设备故障诊断方法及系统，涉及机器学习技术领域，用以解决现有基于神经网络的分类器由于没有预先对不等长时间序列数据进行等长处理而导致分类精度不高的问题。本发明的技术要点包括：采集工业设备一种或多种运行状态量，并将同种运行状态量按照时间排序，形成时间序列集；对时间序列集中长度不等的时间序列进行等长处理；将长度相等的时间序列集输入基于神经网络的故障诊断分类器中进行训练；将待测运行状态样本对应的时间序列进行等长处理后输入训练好的故障诊断分类器中，获取故障预测结果。本发明有效提高了神经网络的泛化性能。将本发明应用于工业设备的故障诊断中，可准确识别系统的故障状态。
-
公开(公告)号：CN119437323A
公开(公告)日：2025-02-14
申请号：CN202411353549.9
申请日：2024-09-25
Applicant: 上海华兴数字科技有限公司 , 哈尔滨工业大学
IPC: G01D21/02
Abstract: 本发明公开了一种工程机械状态监测方法、装置及工程机械，可以提高工程机械状态监测的准确率和效率。工程机械状态监测方法包括：获取多个传感器采集的多种维度的传感器数据；其中，一个传感器对应一种维度的传感器数据；根据所述多种维度的传感器数据，确定所述多个传感器之间的数据相关程度以及同一维度的传感器数据在不同滞后时间中的数据相关程度；基于所述同一维度的传感器数据在不同滞后时间中的数据相关程度，对同一维度中的传感器数据进行加权，以获得加权特征；根据所述多个传感器之间的数据相关程度以及所述加权特征，构建状态监测特征；其中，所述状态监测特征的变化趋势反映工程机械的运行状态。
-
公开(公告)号：CN116561641A
公开(公告)日：2023-08-08
申请号：CN202310597693.6
申请日：2023-05-25
Applicant: 哈尔滨工业大学
IPC: G06F18/24 , G06F18/25 , G06F18/214 , G06V10/774 , G06V10/82 , G06V10/764 , G06N20/20 , G06V10/80 , G06N3/0464
Abstract: 本发明公开了一种基于多视图生成算法的工业设备故障诊断方法及系统，涉及机器学习技术领域，用以解决现有故障诊断方法由于特征提取不准确导致故障诊断准确率较低的问题。本发明的技术要点包括：采集工业设备一种或多种运行状态量，并将同种运行状态量按照时间排序形成原始一元时间序列集；对多个时间序列样本进行多视图生成，并通过时间序列变换与特征向量拼接相结合，生成多个视图的特征向量集；将每个视图的特征向量输入基于机器学习的故障诊断分类器中进行训练；将待测运行状态样本的时间序列进行多视图生成，获取对应的特征向量；将特征向量输入训练好的分类器中，获取故障预测结果。本发明显著提高了时间序列分类与故障诊断的精度与性能。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.025 seconds)
