公开(公告)号：CN119046660A

公开(公告)日：2024-11-29

申请号：CN202411158365.7

申请日：2024-08-22

Applicant: 常州大学

Inventor： 胡芬 ,  郇战 ,  李志新 ,  沈诗怡

IPC: G06F18/213 ,  G01M13/045 ,  G06F18/241 ,  G06N3/0464 ,  G06N3/09 ,  G06N3/084

Abstract: 本发明涉及轴承故障诊断技术领域，尤其涉及一种基于域对抗网络和特征增强的轴承故障诊断方法，包括构建滚动轴承数据集，并进行源域和目标域的划分；构建对抗性域自适应模型，通过域对抗性训练减少目标域和每个源域之间的特征分布差异，从若干标记的源域中学习到的故障诊断知识迁移到单个未标记的目标域；运用多线性映射将类别信息与高级特征融合，并引入Mixup增强真实故障信号特征。本发明将不同传感器收集的数据投影到共享的子空间，引入域对抗性训练尽可能地对齐目标域和源域之间的特征分布；利用目标域样本融合类别信息，并运用Mixup增强真实故障信号的特征，从而更稳定地建立跨域连接，实现更好地故障诊断知识泛化。

公开(公告)号：CN115660920A

公开(公告)日：2023-01-31

申请号：CN202211278301.1

申请日：2022-10-19

Applicant: 常州大学

Inventor： 郇战 ,  刘艳 ,  李志新 ,  朱学勤

IPC: G06Q50/26 ,  G06Q10/0631 ,  G06F18/23213 ,  G06F18/241 ,  A61B5/11 ,  A61B5/00

Abstract: 本发明涉及行为识别技术领域，尤其涉及一种基于传感器的工业车间人员行为评估方法，包括通过惯性传感器采集加速度数据，计算加速度数据的幅值，并对幅值数据和加速度数据进行滤波；并对滤波后的幅值数据进行分割处理；使用K均值聚类欠采样降低某动作类别的样本数；使用合成少数过采样方法扩充某动作类别的样本数；从而平衡动作类别的样本数量；再进行特征提取；对特征提取后的数据进行主动学习模型训练和动作分类评估。本发明通过模型对数据进行分类，分析工业车间人员的各种行为状态，检测工人在岗期间是否存在违规操作，提醒工人按时离岗；可穿戴传感器体积小、易携带，降低对人们工作行为的干扰。

公开(公告)号：CN118097261A

公开(公告)日：2024-05-28

申请号：CN202410226443.6

申请日：2024-02-29

Applicant: 常州大学

Inventor： 胡芬 ,  郇战 ,  李志新

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/42 ,  G06V10/82 ,  G06N3/084

Abstract: 本发明涉及小样本学习技术领域，尤其涉及基于挤压激励的小样本图像分类方法及系统，包括采集汽车品牌和型号图像数据集；提取基类特征；提取新类支持集特征，通过传递均值和协方差在相似的类之间建立联系，进行逐一比较，找到与基类数据集中类别均值欧式距离最小的k个类，再通过GMM模型进行采样，再将原始支持集数据与扩充数据的均值合并后，获得经校准的均值作为原型网络分类器的类别中心；使用欧氏距离计算查询样本与原型之间的距离；并利用原型网络分类器计算支持集和查询集的负对数似然损失和准确率。本发明解决小样本特征表达，缓解数据稀缺性导致的数据特征空间分布不均匀问题。

公开(公告)号：CN115953845A

公开(公告)日：2023-04-11

申请号：CN202310057194.8

申请日：2023-01-17

Applicant: 常州大学

Inventor： 李志新 ,  瞿佳 ,  商樊淇 ,  沈诗宜

IPC: G06V40/20 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明涉及人体行为识别技术领域，尤其涉及一种双通道混合图卷积网络的人体行为识别方法，包括数据预处理；基于特征相似性的图卷积模块构建；基于个人特点差异的图卷积模块构建；添加基于自注意力的双通道融合构建基于特征相似性和个人特点的双通道混合图卷积网络的人体行为识别模型。本发明通过动作特征之间的相似性和个体动作之间的差异性彼此互补，并且可以自适应地融合，以获取与分类任务更深层次地相关信息。

公开(公告)号：CN118230940A

公开(公告)日：2024-06-21

申请号：CN202410347788.7

申请日：2024-03-26

Applicant: 常州大学

Inventor： 陈瑛 ,  汤一彬 ,  张玉龙 ,  李志新 ,  诸燕平

IPC: G16H50/20 ,  G06V10/762 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明属于精神疾病分类诊断领域，尤其涉及一种端到端全深度学习的注意力缺陷多动障碍分类诊断方法，包括：S1：对测试数据做不同类别的假设标签标注，其中，测试数据为待诊断分类的个体脑影像数据，假设标签类别包括ADHD疾病个体假设HADHD和健康个体假设HTD；S2：将已进行假设标签标注的测试数据和已进行诊断标注的训练数据通过深度学习的编解码网络进行训练学习，提取不同测试数据假设标签下训练数据的高层特征，对应记为FHADHD和FHTD；S3：对FHADHD和FHTD，进行聚类测度评分计算，获得对应评分，分别记为DHADHD和DHTD；S4：比较DHADHD和DHTD的评分数值大小，识别出聚类效果最佳的评分，并以该评分对应的训练数据高层特征所对应的测试数据假设标签，作为测试数据的最终预测标签，记为#imgabs0#完成对测试数据的诊断分类过程。本发明的方法，具有高分类准确率，并且能够大幅提升ADHD分类诊断方法的实用性。

公开(公告)号：CN116153511A

公开(公告)日：2023-05-23

申请号：CN202310141701.6

申请日：2023-02-21

Applicant: 常州大学

Inventor： 李志新 ,  李凯歌 ,  商樊淇 ,  沈诗怡 ,  陈瑛 ,  秦王盛 ,  施锦华

IPC: G16H50/30 ,  G16H50/20 ,  G06F18/241 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及神经网络技术领域，尤其涉及一种基于加权图卷积网络的下背痛异常分析方法，包括数据预处理；构建图网络和图卷积；添加基于自注意力的特征加权机制；引入特征重要度掩膜；使用特征重要度掩膜选择具有特殊属性的特征进行模型调整的效果，特征掩膜保留前m个重要度最高的特征，并将其它的特征位置清零。本发明减小样本类别分布不均匀对预测结果造成的影响；将脊柱异常生理属性表示为加权特征图的形式，通过边连接挖掘患者间的潜在关系，通过节点内部特征加权动态捕获生物属性对不同患者的重要度；根据特征的信息量和相关性计算特征重要性，并以此为引导生成特征掩膜，实现特征稀疏化的同时强化重要特征，避免小样本学习过拟合。

公开(公告)号：CN116110119A

公开(公告)日：2023-05-12

申请号：CN202211433599.9

申请日：2022-11-16

Applicant: 常州大学

Inventor： 李志新 ,  董振余 ,  高歌 ,  郇战 ,  刘艳 ,  沈诗怡 ,  商樊淇 ,  秦王盛

IPC: G06V40/20 ,  G06V10/44 ,  G06V10/62 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0895 ,  G06N3/091

Abstract: 本发明涉及行为识别技术领域，尤其涉及基于自注意力的主动对比编码的人类行为识别方法及系统，包括通过传感器采集人体位置数据；使用基于自注意力的主动对比编码的学习框架来学习用于分类的动作表示；在输入端融合自注意力机制的卷积神经网络单元，学习局部上下文特征和时间动力学特征，捕捉输入数据样本中时间点之间的关系；通过信息质量在归纳一致性预测算法下衡量样本的不确定性；通过间隔抽样度量利用样本后验概率衡量不确定性。本发明基于自注意力的主动对比编码方法，首先在预训练阶段添加自注意力技术，为能代表动作的重要表征学习权重系数；其次，采用基于主动学习方法对易混淆的困难样本挖掘，并用其进行训练模型调整。

公开(公告)号：CN117898707A

公开(公告)日：2024-04-19

申请号：CN202410087241.8

申请日：2024-01-22

Applicant: 常州大学

Inventor： 郇战 ,  王永松 ,  李志新 ,  庞雨晴 ,  陈林 ,  商樊淇

IPC: A61B5/11 ,  A61B5/00 ,  G06V40/10 ,  G06V10/82 ,  G06N3/0442 ,  G06N20/00 ,  G06V10/764

Abstract: 本发明涉及步态识别技术领域，尤其涉及基于惯性运动单元的腰椎间盘突出症步态识别方法及系统，包括采集步态参数；预处理；分别计算步态参数的变异性指标、规律性指标、步态可预测性指标和步态稳定性指标，步态稳定性基于相空间重构的方法将原始时间序列数据转换为高维相空间中的轨迹，计算相邻轨迹间距离变化率，并计算每个时刻内所有相邻轨迹间距离变化率的均值，并取均值的最大值作为最大Lyapunov指数；利用统计学分析分别计算健侧‑患侧、患侧‑健康、健侧‑健康和健康左右腿、SW检验的p值，根据p值筛选出步态参数；对筛选出步态参数利用机器学习算法进行分类。本发明解决现有步态评估模型缺乏综合参数的问题。

公开(公告)号：CN117765442A

公开(公告)日：2024-03-26

申请号：CN202311791070.9

申请日：2023-12-25

Applicant: 常州大学

Inventor： 李志新 ,  朱子蒙

IPC: G06V20/40 ,  G06V20/52 ,  G06V10/80 ,  G06V10/40 ,  G06N3/0464 ,  G06V10/82 ,  G06N3/045 ,  G06N3/048

Abstract: 本发明涉及监控视频异常检测领域，具体涉及一种跨模态关系感知的暴力行为检测方法及系统，方法包括：S1，从对应的视频片段和音频片段中提取视觉特征#imgabs0#和音频特征#imgabs1#S2，融合所述视觉特征#imgabs2#和所述音频特征#imgabs3#生成时空间注意的视觉特征向量#imgabs4#S3，对所述时空间注意的视觉特征向量#imgabs5#和所述音频特征#imgabs6#进行跨模态关系增强，得到关系增强视觉特征#imgabs7#和关系增强音频特征#imgabs8#S4，交互所述关系增强视觉特征#imgabs9#和所述关系增强音频特征#imgabs10#并进行暴力行为预测，获得暴力预测分数yS。本发明可以同时处理视频和音频数据，并通过结合它们的视觉和音频信息来捕捉时序相关性，更全面地理解和识别视频中的暴力事件，提高暴力检测的准确性和鲁棒性。