-
公开(公告)号：CN119377876A
公开(公告)日：2025-01-28
申请号：CN202411301655.2
申请日：2024-09-18
Applicant: 安徽大学
IPC: G06F18/25 , G06F18/213 , G06F18/214 , G06F18/22 , G06N3/0464
Abstract: 本发明公开了一种基于多模态融合数据增强框架的情感识别方法，包括以下步骤：S1：提取包括n个生理信号的多模态输入序列，将这些多模态输入序列使用CNXAF模型进行模态融合，得到多模态融合数据；S2：使用条件自注意力生成对抗网络C‑SAGAN对所述多模态融合数据进行数据增强，得到增强数据集，C‑SAGAN网络包括生成器和判别器两个组件；S3：利用预先训练的改进型ConvNeXt‑t模型对增强数据集进行情感识别。还公开了一种基于多模态融合数据增强框架的情感识别系统。本发明能够对多模态生理信号进行数据融合和数据扩充，端到端地实现高精度的多模态情感识别。
-
公开(公告)号：CN108146465A
公开(公告)日：2018-06-12
申请号：CN201611101682.0
申请日：2016-12-02
Applicant: 安徽大学
Inventor： 李心慧
IPC: B61K9/08
CPC classification number: B61K9/08
Abstract: 本发明公开了一种基于高清数字图像处理的轨道检测系统，包括设备支架、驱动系统、蓄电池、GPS模块以及高清摄像机模块，所述驱动系统包括上驱动轮、左夹轮、右夹轮、驱动电机、单片机、无线传输模块，高清摄像机模块、GPS模块、驱动电机、无线传输模块连接单片机，所述高清摄像机模块包括摄像机壳体、用于采集高清数字图像的图像采集板、用于供电的电源电路、用于对采集的数字图像进行缓存和打包处理的控制主板，所述图像采集板上设置有CCD图像传感器，所述控制主板连接有用于存储高清数字图像数据的读卡器，读卡器内插设有内存卡。本发明可以不间断地采集轨道数字图像，并可以通过对GPS模块对数字图像数据标记GPS信息，方便根据GPS信息找到轨道位置，从而实现后期人工核查、维修轨道。
-
公开(公告)号：CN119598136B
公开(公告)日：2025-05-23
申请号：CN202510142637.2
申请日：2025-02-10
Applicant: 安徽大学
Abstract: 本发明公开了一种脑电多指标网络规范化建模方法，包括以下步骤：S1：采用基于大规模全生命周期多国家脑电交叉谱数据集作为原始脑电数据，计算原始脑电数据的交叉谱矩阵，并对原始脑电交叉谱矩阵进行预处理；S2：利用预处理后的原始脑电交叉谱矩阵构建加权无向网络，作为脑功能网络；S3：计算所述脑功能网络的脑网络功能整合、功能分离及中心性三个维度的网络特征，并建立所述网络特征的演化轨迹；S4：设计一个具有可解释性的轻量级神经网络回归模型，对脑功能网络的上三角元素进行重构得到完整的脑功能网络，即此年龄对应的规范化脑功能网络。还公开了一种脑电多指标网络规范化建模系统。本发明能更准确地反映脑功能网络的原理。
-
公开(公告)号：CN118940031A
公开(公告)日：2024-11-12
申请号：CN202410965778.X
申请日：2024-07-18
Applicant: 安徽大学
IPC: G06F18/214 , G06F18/241 , G06F18/20 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了一种基于扩散增强的多尺度时空感知的脑电数据扩增方法，包括以下步骤：S1：采集用户的脑电数据进行预处理，并转化为二维矩阵阵列；S2：将所有用户的数据进行对齐标准化，并划分为训练集与测试集；S3：构建扩散增强模型，利用训练集数据训练扩散增强模型；S4：构建并训练多尺度时空感知模型；S5：通过训练好的扩散增强模型生成增强样本，将增强样本与真实样本混合输入到多尺度时空感知模型中进行微调，得到训练好的多尺度时空感知模型；S6：将测试集输入到训练好的多尺度时空感知模型中，得到分类好的情感标签。还公开了一种基于扩散增强的多尺度时空感知的脑电数据扩增系统。本发明能端到端地实现高准确度的情感识别。
-
公开(公告)号：CN117854744A
公开(公告)日：2024-04-09
申请号：CN202311689333.5
申请日：2023-12-05
Applicant: 安徽大学
IPC: G16H80/00 , G16H50/20 , G16H10/60 , G06F18/10 , G06F18/2131 , G06F18/22 , G06F40/30 , A61B5/378 , A61B5/00 , A61B5/372
Abstract: 本发明公开了一种基于SSVEP脑电信号的智能查房方法和系统，方法包括：获取用户在视觉刺激下的第一脑电信号并定义参考信号；将第一脑电信号分解为子带分量，计算子带分量自身、参考信号自身以及子带分量与参考信号之间的差异，获取每个子带分量的总空间滤波器并滤波，重新排列成第二脑电信号；采用变分模态分解获取多个变分模态分量，并对每个通道下的权重进行寻优以重构得到第三脑电信号；基于第三脑电信号的自特征、参考信号获取诱发刺激频率确定用户意图，完成智能查房。本方法通过多次对信号分解与重构，增强有效部分使得具有更高的信噪比，并采用平均特征进一步保证了频率识别的准确性，大大提高了用户与医护人员进行沟通交流的能力。
-
Patent Agency Ranking
公开(公告)号：CN108156351A
公开(公告)日：2018-06-12
申请号：CN201611101683.5
申请日：2016-12-02
Applicant: 安徽大学
Inventor： 李心慧
Abstract: 本发明公开了一种用于安防巡检的数字图像监控设备，其特征在于：包括行走机器人、监控摄像头、多节式控制臂以及旋转控制盘，所述旋转控制盘包括底座、旋转盘，旋转盘转动安装在底座上，底座固定在行走机器人的顶部，所述多节式控制臂的上端和下端分别固定监控摄像头和旋转盘，所述多节式控制臂包括至少三节依次铰接的连接臂，本发明可以通过行走机器人解决了不同空间位置的变化，提高了设备的移动能力，驱动控制电机运转，卷筒转动放出控制绳，在扭簧的作用下，相邻控制臂相对展开，从而实现监控摄像头的位置提高，从而提高了视野，增大了监控范围。
-
公开(公告)号：CN119360878A
公开(公告)日：2025-01-24
申请号：CN202411897514.1
申请日：2024-12-23
Applicant: 安徽大学
IPC: G10L21/0308 , G10L21/0272 , G10L25/30 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及语音分离技术领域，具体涉及结合声学特征和状态空间模型的语音分离方法及系统。本发明为了实现语音分离提供了一种语音分离模型，其首先通过音频编码部对混合语音Voicemix进行编码以得到N种不同分辨率的音频特征{F1~FN}，接着通过声学特征提取部基于{F1~FN}提取出多尺度语音特征G'm，然后通过状态空间网络部对G'm进行长期建模以得到长时特征IT,out，最后通过音频解码部结合{F1~FN}与IT,out解码重构出{Voice1,…,VoiceN}。本发明解决了现有语音分离方法面对长序列音频会出现建模局限而影响语音分离性能的问题。
-
公开(公告)号：CN119360878B
公开(公告)日：2025-03-14
申请号：CN202411897514.1
申请日：2024-12-23
Applicant: 安徽大学
IPC: G10L21/0308 , G10L21/0272 , G10L25/30 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及语音分离技术领域，具体涉及结合声学特征和状态空间模型的语音分离方法及系统。本发明为了实现语音分离提供了一种语音分离模型，其首先通过音频编码部对混合语音Voicemix进行编码以得到N种不同分辨率的音频特征{F1~FN}，接着通过声学特征提取部基于{F1~FN}提取出多尺度语音特征G'm，然后通过状态空间网络部对G'm进行长期建模以得到长时特征IT,out，最后通过音频解码部结合{F1~FN}与IT,out解码重构出{Voice1,…,VoiceN}。本发明解决了现有语音分离方法面对长序列音频会出现建模局限而影响语音分离性能的问题。
-
公开(公告)号：CN119066493A
公开(公告)日：2024-12-03
申请号：CN202411153627.0
申请日：2024-08-21
Applicant: 安徽大学
IPC: G06F18/241 , G06F18/213 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于时频对比学习的跨被试脑电情感识别方法，包括以下步骤：将受试者情感反馈时的脑电信号由时域信号转为时域的增强信号、频域信号和频域的增强信号，再以被试为单位将脑电信号划分为源域数据和目标域数据；构建一个基于卷积结构的对比学习模型，将不带标签的源域数据输入模型进行对比预训练，分别得到时域特征提取器和频域特征提取器；将带标签的目标域数据输入到预训练好的提取器中，提取时域和频域特征，并将二者拼接后输入到分类器中进行情绪分类训练；将新被试的带标签的少量未增强的脑电信号输入到模型中，对模型进行微调，然后用于被试的不带标签的脑电信号的情感识别。本发明能够通过微调少量数据来适应新的对象。
-
公开(公告)号：CN118916788A
公开(公告)日：2024-11-08
申请号：CN202411405827.0
申请日：2024-10-10
Applicant: 安徽大学
IPC: G06F18/2415 , G06F18/214
Abstract: 本发明公开了一种跨被试小样本学习的运动想象识别方法，其特征在于，包括以下步骤：S1：获取多个受试者的脑电信号，划分为训练集和目标域数据并进行数据预处理；S2：将训练集和目标域数据合称为支持集，对训练集和支持集使用数据增强技术生成混合集；S3:通过预训练阶段利用大量标注数据训练初始模型；S4：利用混合集和支持集通过双重损失函数对所述预训练模型进行微调；S5：通过迭代训练使总损失函数值收敛，得到一个针对目标受试者准确率高的运动想象跨被试识别模型。还公开了一种跨被试小样本学习的运动想象识别系统。本发明通过生成具有代表性的合成数据，结合目标域数据进行训练，能够显著提升运动想象跨被试的分类准确率。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.014 seconds)
