-
公开(公告)号：CN119989192A
公开(公告)日：2025-05-13
申请号：CN202510028543.2
申请日：2025-01-08
Applicant: 成都信息工程大学
IPC: G06F18/2431 , G06F18/10 , G06F18/15 , G06F18/2131 , G06F18/213 , G06F18/23213 , G06F18/21 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本申请公开一种基于自适应升阶学习策略的分类识别方法、装置、计算设备及存储介质，其方法包括：获取不同被试个体在不同认知状态下的多个数据集，并通过对每个数据集进行预处理和特征提取，得到每个数据集中每个被试个体的包含微分熵和皮尔逊系数的图结构；利用动态簇中心策略和所述每个数据集中每个被试个体的包含微分熵和皮尔逊系数的图结构，得到每个数据集中每个被试个体的最优子图；利用双图驱动交互自适应升阶网络和所述每个数据集中每个被试个体的最优子图，获得各阶图隐式表征；构建解码器，通过将所述各阶图隐式表征输入至所述解码器中，得到分类识别结果。
-
公开(公告)号：CN119606378A
公开(公告)日：2025-03-14
申请号：CN202411747546.3
申请日：2024-12-02
Applicant: 成都信息工程大学
IPC: A61B5/16 , A61B5/372 , G06F18/241 , G06F18/213 , G06F18/25 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/084 , G06F123/02
Abstract: 本发明公开一种受自适应认知图启发的多域约束情绪识别系统及情绪识别方法，应用于脑电图信号处理领域；针对传统的情绪分类方法是对脑电信号进行人工提取特征之后筛选关键特征输入支持向量机(SVM)等传统分类器中，但手动提取特征需要专业的先验知识，且大多数方法主要集中在特征的选择以及时间信息的利用从而对空间信息的利用不充分；本发明设计了一个空间引导的动态图约束学习模块，通过自适应生成拓扑结构并对拓扑结构的功能关系进行约束，实现了克服认知先验信息的复杂空域特征提取；同时，提出一个时间激励的序列注意模块，通过关注序列中更为重要的时间来捕捉全局时序依赖特征；进一步，本发明设计了一个新的多域交互关注模块，克服了传统的静态跨域交互，实现多域差异信息的约束与互补信息的聚合。此外，为了更好地利用不同域之间的信息迁移，本发明还引入一个约束来减少源域与目标域特征之间的分布差异，提高跨域特征的相似性和可迁移性。
-
公开(公告)号：CN118366133A
公开(公告)日：2024-07-19
申请号：CN202410492874.7
申请日：2024-04-23
Applicant: 成都信息工程大学
IPC: G06V20/59 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/774
Abstract: 本发明公开了一种基于多尺度网络的疲劳驾驶检测方法，包括：S1、采集原始EEG数据，并对其进行预处理；S2、构建基于多尺度网络的疲劳驾驶检测模型，并利用预处理后的EEG数据对其训练；S3、将待检测EEG数据预处理，并输入至完成训练和测试的疲劳驾驶检测模型中，获得疲劳驾驶检测结果。本发明方法相较于现有方法，在分类准确率和跨被试泛化能力方面表现更为优越，具有较高的鲁棒性和稳定性。
-
公开(公告)号：CN112949533B
公开(公告)日：2022-04-22
申请号：CN202110276094.5
申请日：2021-03-15
Applicant: 成都信息工程大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于相对小波包熵脑网络和改进版lasso的运动想象脑电识别方法，包括：根据功率谱密度计算R²图，得到最大的频率波段并进行带通滤波；通过小波包方法对脑电信号的细节系数和近似系统进行提取并计算，得到小波包能量熵特征，并通过小波包能量熵值构建脑功能网络，提取脑网络的拓扑特征；并根据数据预处理中SCSP算法，得到方差特征；将三种特征进行融合，得到较高维度的特征矩阵；通过互信息和相关性的Lasso方法并结合Relief‑f算法进行特征选择，筛选出较小维度的特征矩阵。本发明不仅提取时空域特征，也将脑网络的拓扑特征一并提取，保留更多脑电特征信息；并结合互信息和相关性的Lasso方法和Relief‑f算法进行特征筛选，使特征选择出的特征更优秀。
-
公开(公告)号：CN114781442B
公开(公告)日：2025-02-28
申请号：CN202210359058.X
申请日：2022-04-07
Applicant: 成都信息工程大学
IPC: G06F18/2433 , G06F18/25 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/084 , A61B5/00 , A61B5/16
Abstract: 本发明公开了一种基于四维注意力卷积循环神经网络的疲劳分类方法，包括以下步骤：S1、采集脑电信号并输入四维特征提取模块，提取脑电信号的四维特征；S2、将提取到的四维特征输入注意力模块，到拥有空间‑通道注意力的特征；S3、将拥有空间‑通道注意力的特征输入卷积循环神经网络模块，进行疲劳分类。本发明解决了基于脑电信号的神经网络可解释性差的问题，它不仅提高了分类的准确率，并且通过它可以从空间和频带的角度进行可视化，提高网络的可解释性。使用深度可分离卷积层，相比于普通卷积层，模型大小降低了70％左右，准确率却提高1.44％，并且提出一种双分支深度可分离卷积，对空间信息的处理上融合了两种尺度感受野，进一步将准确率提高0.45％。
-
Patent Agency Ranking
公开(公告)号：CN119442038A
公开(公告)日：2025-02-14
申请号：CN202510028443.X
申请日：2025-01-08
Applicant: 成都信息工程大学
IPC: G06F18/2415 , G06F18/25 , G06F18/213 , G06F18/10 , G06N3/0464 , G06N3/042
Abstract: 本申请涉及脑电波信号处理技术领域，公开一种基于EEG多分支图卷积的跨被试情绪识别方法、装置及系统和存储介质，其中方法包括：获取EEG数据；对EEG数据进行滤波得到第一信号；对第一信号进行五个频段的滤波得到第二信号；在第二信号中，以设定时间的时间窗口提取微分熵特征；基于微分熵特征，通过多分支图卷积网络提取到各频段的图特征；将各频段的图特征输入至图特征融合模块中进行融合，得到情绪特征；将情绪特征输入多层感知机，得到情绪的预测概率，并且在训练阶段使用域适应技术拉近源域和目标域之间的特征分布。本申请可有效减少跨域数据分布差异对模型性能的影响，提高情绪状态识别的准确性和鲁棒性。
-
公开(公告)号：CN118981748B
公开(公告)日：2025-01-24
申请号：CN202411451285.0
申请日：2024-10-17
Applicant: 成都信息工程大学
IPC: G06F18/25 , G06F18/2431 , G06F17/14 , G06N3/048 , G06N3/0464
Abstract: 本发明公开了一种基于EEG的动静态功能脑网络时空拓扑融合方法和装置，属于功能脑网络时空信号分类的技术领域，包括：获取复用划分EEG静息信号片段序列和复用划分连续EEG静息信号片段序列；将复用划分EEG静息信号片段序列输入静态功能连通空间拓扑学习模块中，得到高判别性局部和全局的空间拓扑特征；将复用划分连续EEG静息信号片段序列输入动态功能连通时序学习模块中，得到高判别性时序特征；将高判别性局部和全局的空间拓扑特征以及高判别性时序特征进行拼接，并将拼接结果输入至多层感知机分类层，得到脑认知静息任务分类结果。本发明在探究功能脑网络时，从动态功能连通和静态功能连通两个尺度考虑，充分考虑了大脑活动的时空变化。
-
公开(公告)号：CN119312041A
公开(公告)日：2025-01-14
申请号：CN202411349783.4
申请日：2024-09-26
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种流形‑欧几里得交叉空间下的MEI‑TID框架，用于对EEG信号的拓扑‑隐式EEG表征进行精准解码，包括以下步骤：S1、通过构建流形空间上的自适应簇中心策略来聚合子拓扑特征；S2、在流形‑欧几里得交叉空间中解码EEG信号的拓扑‑隐式表征；S3、建立自适应校准机制，并进行解码。本发明提出的MEI‑TID框架，在流形‑欧几里得交叉空间下来实现对EEG的这种拓扑‑隐式表征的高精度解码。该框架通过流形空间上的动态簇中心策略，流形‑欧几里得交叉空间结构以及自适应校准机制，来捕获EEG信号的不可知的隐式拓扑关系和表征。
-
公开(公告)号：CN117493974A
公开(公告)日：2024-02-02
申请号：CN202311590968.X
申请日：2023-11-27
Applicant: 成都信息工程大学
IPC: G06F18/241 , G06F18/213 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供了基于时空特征的TSMNet网络包括：时间特征提取模块，用于对输入数据进行时间维度信息的提取，得到时间特征；空间拓扑转换模块，用于将所述时间特征的每个通道映射到图卷积网络的节点上,得到非负数特征；多图子空间模块，用于将所述非负数特征映射在n个子空间中，在每个子空间内,将单个数据中键向量和查询向量进行点积操作得到相似度得分矩阵，并将相似度得分矩阵进行缩放和softmax处理,并将处理值与值向量相乘得到一个特征输出，最后连接所有子空间,得到最终特征输出。本发明解决了空间信息上特征提取的局限性。
-
公开(公告)号：CN116756657B
公开(公告)日：2023-11-17
申请号：CN202311031625.X
申请日：2023-08-16
Applicant: 成都信息工程大学
IPC: G06F18/2415 , G06F18/25 , G06F18/10 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06N3/0499 , G06N3/048 , G06N3/084 , G06F123/02
Abstract: 本发明公开了一种基于CNN和Transformer的fNIRS脑力负荷检测方法，其包括获取fNIRS采集设备采集的原始数据，并对原始数据进行预处理得到氧合血红蛋白和脱氧血红蛋白浓度的信号#imgabs0#和#imgabs1#；对信号#imgabs2#和#imgabs3#进行一维卷积操作，并在通道维度上对卷积操作后的两个信号进行组合，得到组合信号Hb；采用卷积神经网络对组合信号Hb进行局部细粒度时间特征的提取，得到特征矩阵；采用Transformer模块对特征矩阵进行特征增强提取，得到状态特征；将状态特征输入多层感知机分类层，得到脑力负荷检测的分类结果。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.032 seconds)
