公开(公告)号：CN117332317A

公开(公告)日：2024-01-02

申请号：CN202311372795.4

申请日：2023-10-23

Applicant: 昆明理工大学

Inventor： 周建华 ,  张琪 ,  宗静 ,  周雕

IPC: G06F18/241 ,  G06F18/213 ,  G06F18/25 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/082

Abstract: 本发明涉及情感识别技术领域，且公开了一种注意力残差网络结合LSTM的EEG情绪识别方法，包括数据收集读取模块、网络模型读取运算模块以及数据试验模块，网络模型包括有三个模块，分别为ECA模块、ECA‑ResNet模块和LSTM模块。该注意力残差网络结合LSTM的EEG情绪识别方法通过将残差网络与注意力机制结合起来，有效的提取出了脑电信号中频率、空间，维度中与脑电信号中情绪识别相关的深度信息，然后将所提取到的深度信息通过LSTM，网络提取其中的时间维度信息，并进行最终的分类，在DEAP数据集唤醒维和效价维二分类准确率分别达到了97.15％和96.13％，唤醒－效价维四分类准确率达到了95.96％，SEED数据集积极－中性－消极三分类准确率达到96.64％。

公开(公告)号：CN117332317B

公开(公告)日：2024-04-19

申请号：CN202311372795.4

申请日：2023-10-23

Applicant: 昆明理工大学

Inventor： 周建华 ,  张琪 ,  宗静 ,  周雕

IPC: G06F18/241 ,  G06F18/213 ,  G06F18/25 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/082

Abstract: 本发明涉及情感识别技术领域，且公开了一种注意力残差网络结合LSTM的EEG情绪识别方法，包括数据收集读取模块、网络模型读取运算模块以及数据试验模块，网络模型包括有三个模块，分别为ECA模块、ECA‑ResNet模块和LSTM模块。该注意力残差网络结合LSTM的EEG情绪识别方法通过将残差网络与注意力机制结合起来，有效的提取出了脑电信号中频率、空间，维度中与脑电信号中情绪识别相关的深度信息，然后将所提取到的深度信息通过LSTM，网络提取其中的时间维度信息，并进行最终的分类，在DEAP数据集唤醒维和效价维二分类准确率分别达到了97.15％和96.13％，唤醒－效价维四分类准确率达到了95.96％，SEED数据集积极－中性－消极三分类准确率达到96.64％。

公开(公告)号：CN117311513B

公开(公告)日：2024-03-08

申请号：CN202311397465.0

申请日：2023-10-26

Applicant: 昆明理工大学

Inventor： 周建华 ,  周雕 ,  张琪 ,  宗静

IPC: G06F3/01 ,  G06N3/0464 ,  G06F18/241 ,  G06F18/213

公开(公告)号：CN117311513A

公开(公告)日：2023-12-29

申请号：CN202311397465.0

申请日：2023-10-26

Applicant: 昆明理工大学

Inventor： 周建华 ,  周雕 ,  张琪 ,  宗静

IPC: G06F3/01 ,  G06N3/0464 ,  G06F18/241 ,  G06F18/213

Abstract: 本发明涉及手势识别技术领域，且公开了一种卷积神经网络结合子域适应的低采样率肌电手势识别方法，包括数据收集模块、数据预处理模块、手势识别模块和评估分析模块，手势识别模块分为三个阶段，数据输入阶段、信息扩展阶段和模型预测阶段，数据输入阶段用于连接数据预处理模块中的输出的数据，信息扩展阶段通过将不同分支中的数据进行扩展。该卷积神经网络结合子域适应的低采样率肌电手势识别方法通过在NinaPro中的DB1和DB5两个数据库上进行验证，结果表明，在低采样率sEMG手势识别上，通过结合子域适应的低频率采样方法一定程度上减小了电极移位、肌肉疲劳、皮肤阻抗的变化和肌肉相对电极的相对运动等因素对低采样率肌电手势识别性能的影响。