-
Patent Agency Ranking
公开(公告)号：CN109254654B
公开(公告)日：2022-02-01
申请号：CN201810947723.0
申请日：2018-08-20
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种结合PCA和PCANet的驾驶疲劳特征提取方法。本发明包含以下步骤：1、使用脑电采集设备采集驾驶脑电信号；2、对采集到的脑电信号进行预处理，包括降频、降噪；3、对预处理后的信号通过结合PCA和PCANet的特征提取方法提取特征；4、对提取的特征使用分类器进行分类学习、识别。本发明使用结合PCA和PCANet的驾驶疲劳特征提取方法，相比单独使用PCANet产生的维度爆炸，一方面可以降低对计算机的运算要求，同时加快了计算速度，减少了运算的时间，有利于后续的实时监测；另一方面PCANet这个图像的处理方法跨领域使用在驾驶疲劳特征的提取，也使分类的准确率有了有效的提升。
-
公开(公告)号：CN110110584A
公开(公告)日：2019-08-09
申请号：CN201910193232.6
申请日：2019-03-14
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于CNN的情绪特征分类方法。首先以Russell情绪维度模型为基准，探索了不同脑区受情绪极性与强度的影响，采用DEAP数据集作为情绪研究的样本，再进行特征通道的选择，然后通过特征归一化以及数据降维提取主要特征，我们的主要分类模型使用卷积神经网络来有效地对以2D阵列形式呈现的预处理EEG数据进行分类。本次研究提供了可观的分类精度，比以往的研究有了特征提取上的改进，更重要的是证明了神经网络可以作为强有力的脑电信号分类器，优于传统的学习技术。
-
公开(公告)号：CN110059565A
公开(公告)日：2019-07-26
申请号：CN201910212733.4
申请日：2019-03-20
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于改进卷积神经网络的P300脑电信号识别方法。本发明包含以下步骤：1、使用脑电采集设备采集P300脑电信号；2、选取16个通道的脑电信号，对采集到的脑电信号进行降频、降噪及重采样；3、将原始的五维样本重构为二维矩阵，进行15次叠加平均以增大信噪比，每个P300样本标签设为1，噪声样本标签设为0；4、构建新的卷积神经网络结构，5、训练网络，将预处理后的数据送入卷积神经网络，确定网络参数，得到改进的用于P300脑电信号识别的卷积神经网络模型；本发明使用改进卷积神经网络对P300脑电信号进行特征提取和分类，可有效地提高P300信号的识别率。
-
公开(公告)号：CN109800515A
公开(公告)日：2019-05-24
申请号：CN201910066308.9
申请日：2019-01-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于头脑风暴算法的太阳能电池参数求解方法。本发明包含以下步骤：1、搭建数据采集环境；2、采集太阳能电池的表面温度和I-V数据；3、确定太阳能电池模型及其函数表达式；4、确定适应度函数作为评价标准；5、将温度及I-V数据导入函数表达式中；6、通过使用头脑风暴算法对函数表达式进行优化，得到最优解。本发明使用头脑风暴算法求解太阳能电池参数，可有效的提高太阳能电池参数的准确率。
-
公开(公告)号：CN109254654A
公开(公告)日：2019-01-22
申请号：CN201810947723.0
申请日：2018-08-20
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种结合PCA和PCANet的驾驶疲劳特征提取方法。本发明包含以下步骤：1、使用脑电采集设备采集驾驶脑电信号；2、对采集到的脑电信号进行预处理，包括降频、降噪；3、对预处理后的信号通过结合PCA和PCANet的特征提取方法提取特征；4、对提取的特征使用分类器进行分类学习、识别。本发明使用结合PCA和PCANet的驾驶疲劳特征提取方法，相比单独使用PCANet产生的维度爆炸，一方面可以降低对计算机的运算要求，同时加快了计算速度，减少了运算的时间，有利于后续的实时监测；另一方面PCANet这个图像的处理方法跨领域使用在驾驶疲劳特征的提取，也使分类的准确率有了有效的提升。
-
-
-
-
Search Results
5
records
(took 0.02 seconds)
