-
公开(公告)号：CN114041808B
公开(公告)日：2025-01-10
申请号：CN202111564088.6
申请日：2021-12-20
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多通道表面肌电信号分解的传递熵耦合分析方法，本发明首先运用卷积核补偿方法将多通道表面肌电信号进行运动单元分解，将原先由多个运动单元叠加在一起的肌电信号分解。运动单元分解后，使用传递熵建立相关性矩阵，运用阈值法或固定加权边法去除较弱的连接边，构建与运动功能相关的肌间网络模型，绘制肌电各频段无向图，计算出连通率、小世界特性等肌间网络指标建立复杂网络，揭示肢体运动区之间的功能连接和相互影响。通过运动单元分解，计算传递熵构建复杂网络从根本上分析肌电信号的耦合特性。为研究肌间耦合分析提供新方法。
-
公开(公告)号：CN114287937A
公开(公告)日：2022-04-08
申请号：CN202111403467.7
申请日：2021-11-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多模态卷积神经网络的情绪识别方法。多模态卷积神经网络由多尺度卷积核卷积神经网络(MLCNN)和长短时记忆网络(LSTM)两大部分组成，多模态卷积神经网络用于对提取了微分熵(DE)特征的脑电信号进行二次特征提取，LSTM网络用于提取眼动信号的时序特征，特征融合采用特征级融合。实验结果显示，多模态信号相对于单模态信号有更高的情绪分类准确率，基于6通道脑电信号和眼动信号的多模态信号情绪四分类平均准确率达到97.94%；且在跨会话稳定性实验中，多模态信号取得了96.32%的准确率，验证了多模态卷积神经网络的跨会话相对稳定性和有效。
-
公开(公告)号：CN114065805A
公开(公告)日：2022-02-18
申请号：CN202111256978.0
申请日：2021-10-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于样本迁移的在线脑电分类方法。本发明首先将脑电信号逐个进行在线欧式对齐，然后采用CSP算法提取特征，接着通过在线分类器与离线分类器加权结合来进行标签预测，最后利用真实标签来更新分类器和权重。本发明提出的在线欧式对齐方法，更适合脑电信号在线预对齐，获得的分类精度更优，并且占用内存和运行时间更少，基于此本发明将可以有效提高在线脑电信号分类的性能。
-
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：CN113288181A
公开(公告)日：2021-08-24
申请号：CN202110687040.8
申请日：2021-06-21
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于稳态视觉诱发电位脑电信号识别的个体模板重构方法。本发明首先采集大脑皮层枕区上对应电极通道的稳态视觉诱发电位脑电信号数据并预处理；构建人工正‑余弦参考信号，分别选择两种信号质量评价指标，和两种计算方式，计算各训练数据的权重系数，重构包含受试者个体信息的模板信号；分别对脑电信号、人工正‑余弦参考信号和个体模板信号两两之间进行典型相关分析，计算得到的空间滤波器映射到信号上可以得到多种特征；针对本数据集重新选择系数特征组合，与标准扩展典型相关分析相比，重构后的个体模板信号包含了更多的SSVEP响应，提升了算法的识别性能，降低了算法的计算消耗时间。
-
Patent Agency Ranking
公开(公告)号：CN108364015A
公开(公告)日：2018-08-03
申请号：CN201810020933.5
申请日：2018-01-10
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 半监督学习可以同时利用有标记和无标记样本来改善分类器的性能，其关键之一在于如何有效且安全地发掘无标记样本中隐藏的信息。本发明提出一种具有安全机制的半监督超限学习机分类方法。首先采用超限学习机和半监督超限学习机算法分别预测无标记样本的概率分布向量和类别标签，其次采用Wasserstein距离衡量无标记样本的风险度数，然后在半监督超限学习机算法的目标函数中添加新的风险项，最后实现安全的半监督多类分类。本发明可以有效解决半监督超限学习机算法中具有风险性的无标记样本的加入反而会损害分类器性能的问题，在计算机视觉、图像识别、脑-机接口领域具有广阔的应用前景。
-
公开(公告)号：CN103808404B
公开(公告)日：2016-03-23
申请号：CN201410038211.4
申请日：2014-01-26
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种远距离自检式振动信号变送电路，包括通道自检控制电路、电荷-电压变换电路、带通滤波和电压-电流变换电路，具体包括正弦波芯片IC1、输入连接件CN1、继电器K1、转换电容C2、跟随器IC2、滤波运放IC3、放大器IC4、隔直电容C3、隔直电阻R4、高频电阻R5、高频电容C4、正端电阻R8、负端电阻R9、反馈电阻R10、偏置电阻R11、转换电阻R12、综合连接件CN2等。本发明在外控信号的作用下，工作于正常的信号处理变送状态，工作于监测通道的自检状态，利用正弦波作为通道自检的测试信号，且该变送电路可同时输出电压信号和电流信号，本发明电路实时性强、成本低、通用性好、可靠性高。
-
公开(公告)号：CN101074895A
公开(公告)日：2007-11-21
申请号：CN200710069421.X
申请日：2007-06-19
Applicant: 杭州电子科技大学
IPC: G01L1/14
Abstract: 本发明涉及一种用于接触压力分布测量的传感器。阵列传感器需解决单体传感器的问题，以及集成小型化、相互干扰等问题。本发明的传感器金属外壳内由上至下依次设置有橡胶封装层、压电敏感层、电极转接板和电荷读出集成电路。橡胶封装层为带有呈阵列排列突点的橡胶片。压电敏感层包括PVDF片，PVDF片的一面为整片电极，另一面为阵列电极。阵列电极与突点位置一一对应。电荷读出集成电路为带有电荷注入电极的CCD集成电路。本发明利用压电原理与集成电路相结合的方法，不仅使阵列压电传感器的动态性能和抗干扰能力得到明显的改善，稳定性也得到大大加强，同时具有表面柔顺、体积小、集成度高的特点。
-
公开(公告)号：CN108058173B
公开(公告)日：2024-03-22
申请号：CN201711337721.1
申请日：2017-12-14
Applicant: 杭州电子科技大学
IPC: B25J9/16
Abstract: 本发明公开了一种平板型工件无人上料的智能控制系统。本发明包括智能上料协调控制器、机械臂横移非线性控制器、机械臂纵移非线性控制器、传输带非线性控制器、顶料机构非线性控制器、第一吸附非线性控制器、第二吸附非线性控制器、第三吸附非线性控制器、第四吸附非线性控制器、上料传输装置、上料传输装置的吸附装置、顶料装置、机械臂机构、机械臂机构的吸附装置。其中，智能上料协调控制器用于控制械臂横移控制器、机械臂纵移控制器、传输带控制器、顶料机构控制器、第一吸附控制器、第二吸附控制器、第三吸附控制器、第四吸附控制器。本发明提高了平板型工件的上料效率、上料精准度、上料安全性、上料自动化与智能化水平。
-
公开(公告)号：CN117668664A
公开(公告)日：2024-03-08
申请号：CN202311735639.X
申请日：2023-12-18
Applicant: 杭州电子科技大学
IPC: G06F18/241 , G06F18/21 , G06F18/25 , G16H50/20 , G16H20/70 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/09
Abstract: 本发明公开了一种基于动态图的多源条件域自适应脑电情绪识别方法，具体包括以下步骤：步骤1，数据预处理，提取微分熵特征，并构建无向图特征；步骤2，搭建脑电情绪识别训练模型；步骤3，将处理后无向图特征送入脑电情绪识别模型；步骤4，使用训练完成的脑电情绪识别模型对数据集进行识别分类。该方法首先，通过动态图卷积公共特征提取器提取低级公共特征。然后，通过域特定特征提取器提取域特定特征，进行条件域自适应，缩小源域与目标域的分布差异。最后融合各域特定分类器的结果得出最终分类结果。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.027 seconds)
