-
公开(公告)号：CN112163486B
公开(公告)日：2024-03-12
申请号：CN202010991868.8
申请日：2020-09-18
Applicant: 杭州电子科技大学
IPC: G06F18/10 , G06F18/213 , G06F18/24 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于基于深度学习与稀疏学习相结合的脑电通道优化方法。本发明首先利用模型驾驶实验来收集数据集，通过数据扩充使源域和目标域中的样本趋于平衡，对已经平衡的样本进行稀疏学习和域对抗学习，其设计初衷是同时最小化标签预测器和与判别器的损失值；基于该目的我们设计了目标函数将，并通过添加L21norm来使得模型具备特征选择的能力，除此之外我们还使用了GAN，在一定程度上提高了模型的鲁棒性和泛化能力。最后，在实验评估阶段，一方面单独评估了本发明的性能，还让其与其他的通道优化算法项比较，并取得了独一无二的优势。另一方面在保证准确率的前提下，可以有效减少通道的数量，从而减轻系统的负担和开销。
-
公开(公告)号：CN112749635A
公开(公告)日：2021-05-04
申请号：CN202011589943.4
申请日：2020-12-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于原型聚类域适应算法的跨被试EEG认知状态识别方法。本发明引入了类别域的概念，一方面基于标签的多源域对齐，考虑不同类间的特征分布差异，研究特征空间中不同源域间类条件下的结构细粒度对齐，将多源域域内类别不平衡问题转化为类别域的方式。另一方面，源域和目标域之间的原型理论聚类对齐，即以动态调整原型中心为约束对目标域进行相似源域间的聚类，实现域间同类特征相近，异类特征相疏。前者实现域内类条件结构特征对齐，后者实现全局细粒度结构特征对齐。本发明能够兼容类别平衡和不平衡的情况，有效解决了脑认知计算领域脑电信号的个体差异性问题，具有较强的泛化能力，能够很好的适用于临床诊断和实际应用。
-
公开(公告)号：CN114224344B
公开(公告)日：2024-05-07
申请号：CN202111664458.3
申请日：2021-12-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于EEG与迁移学习的疲劳状态实时检测系统。本发明包括信号采集模块、WPF可视化模块以及远程计算模块。信号采集模块通过开源软件Openvibe连接脑电帽采集设备获得原始脑电信号，并通过VRPN通信协议与WPF可视化模块相连；WPF可视化模块与远程计算模块通过WebSocket通信协议相连。信号采集模块将采集到的被试的实时EEG信号进行通道筛选然后发送给WPF可视化模块，WPF可视化模块作为中间媒介将获得的脑电信号分段后传送给远程计算模块。远程计算模块获得对应被试的脑电数据后会训练生成相匹配的判别网络模型，该模型将判断回馈给WPF可视化模块进行数据可视化以及疲劳状态预警。本发明使用方便、快速准确，便于进行疲劳状态的实时检测，并对其进行疲劳预警。
-
公开(公告)号：CN112580518B
公开(公告)日：2024-04-05
申请号：CN202011526572.5
申请日：2020-12-22
Applicant: 杭州电子科技大学
IPC: G06F18/2431 , G06F18/23 , G06F18/214 , G06F18/213 , G06N3/088 , G06N3/096
Abstract: 本发明公开了一种基于原型聚类域适应算法的跨被试EEG认知状态识别方法。本发明引入了类别域的概念，一方面基于标签的多源域对齐，考虑不同类间的特征分布差异，研究特征空间中不同源域间类条件下的结构细粒度对齐，将多源域域内类别不平衡问题转化为类别域的方式。另一方面，源域和目标域之间的原型理论聚类对齐，即以动态调整原型中心为约束对目标域进行相似源域间的聚类，实现域间同类特征相近，异类特征相疏。前者实现域内类条件结构特征对齐，后者实现全局细粒度结构特征对齐。本发明能够兼容类别平衡和不平衡的情况，有效解决了脑认知计算领域脑电信号的个体差异性问题，具有较强的泛化能力，能够很好的适用于临床诊断和实际应用。
-
公开(公告)号：CN112274154B
公开(公告)日：2022-05-17
申请号：CN202010985572.5
申请日：2020-09-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于脑电样本权重调整的跨被试疲劳状态分类方法。本发明以PSD作为特征提取方法，InstanceEasyTL算法作为分类器，通过对EEG信号的处理及分析，在跨被试的设定下，对驾驶员的疲劳程度进行分类，实现疲劳、清醒两种状态的区分。首先获取数据并预处理；其次使用PSD对脑电数据进行特征提取；然后设置实验的新源域和新目标域，再根据InstanceEasyTL算法进行分类。与传统的机器学习、深度学习方法和基于特征对齐的EasyTL方法相比，在跨被试上拥有更好的分类性能。此外本方法在仅需目标域中小部分比例的数据情况下，仍然能够保持较高的分类性能。
-
Patent Agency Ranking
公开(公告)号：CN112580518A
公开(公告)日：2021-03-30
申请号：CN202011526572.5
申请日：2020-12-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于原型聚类域适应算法的跨被试EEG认知状态识别方法。本发明引入了类别域的概念，一方面基于标签的多源域对齐，考虑不同类间的特征分布差异，研究特征空间中不同源域间类条件下的结构细粒度对齐，将多源域域内类别不平衡问题转化为类别域的方式。另一方面，源域和目标域之间的原型理论聚类对齐，即以动态调整原型中心为约束对目标域进行相似源域间的聚类，实现域间同类特征相近，异类特征相疏。前者实现域内类条件结构特征对齐，后者实现全局细粒度结构特征对齐。本发明能够兼容类别平衡和不平衡的情况，有效解决了脑认知计算领域脑电信号的个体差异性问题，具有较强的泛化能力，能够很好的适用于临床诊断和实际应用。
-
公开(公告)号：CN114176610B
公开(公告)日：2024-05-07
申请号：CN202111670306.4
申请日：2021-12-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种面向轻度认知功能障碍患者诊断的工作负荷评估方法。本发明包括如下步骤：步骤1：基于Oddball的工作负荷评估实验范式；步骤2：数据采集；步骤3：数据预处理；步骤4：基于MCI‑WI的MCI患者诊断方法。本发明参考控制类的工作负荷评估范式，设计了基于Oddball的工作负荷评估范式，使得MCI患者和健康老年人在认知方面的工作负荷区别更明显，进而减少误差，增加MCI患者诊断的准确率，优化了以往范式存在的效率低、准确率低的缺点。其次本发明考虑到MCI患者和健康老年人的认知差异，提出了面向MCI患者诊断的工作负荷评估指标，综合考虑脑电数据和行为学数据，将被试在任务不同阶段的工作负荷量化，直观地显示了被试的工作负荷变化情况。
-
公开(公告)号：CN114224344A
公开(公告)日：2022-03-25
申请号：CN202111664458.3
申请日：2021-12-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于EEG与迁移学习的疲劳状态实时检测系统。本发明包括信号采集模块、WPF可视化模块以及远程计算模块。信号采集模块通过开源软件Openvibe连接脑电帽采集设备获得原始脑电信号，并通过VRPN通信协议与WPF可视化模块相连；WPF可视化模块与远程计算模块通过WebSocket通信协议相连。信号采集模块将采集到的被试的实时EEG信号进行通道筛选然后发送给WPF可视化模块，WPF可视化模块作为中间媒介将获得的脑电信号分段后传送给远程计算模块。远程计算模块获得对应被试的脑电数据后会训练生成相匹配的判别网络模型，该模型将判断回馈给WPF可视化模块进行数据可视化以及疲劳状态预警。本发明使用方便、快速准确，便于进行疲劳状态的实时检测，并对其进行疲劳预警。
-
公开(公告)号：CN112274154A
公开(公告)日：2021-01-29
申请号：CN202010985572.5
申请日：2020-09-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于脑电样本权重调整的跨被试疲劳状态分类方法。本发明以PSD作为特征提取方法，InstanceEasyTL算法作为分类器，通过对EEG信号的处理及分析，在跨被试的设定下，对驾驶员的疲劳程度进行分类，实现疲劳、清醒两种状态的区分。首先获取数据并预处理；其次使用PSD对脑电数据进行特征提取；然后设置实验的新源域和新目标域，再根据InstanceEasyTL算法进行分类。与传统的机器学习、深度学习方法和基于特征对齐的EasyTL方法相比，在跨被试上拥有更好的分类性能。此外本方法在仅需目标域中小部分比例的数据情况下，仍然能够保持较高的分类性能。
-
公开(公告)号：CN113392733B
公开(公告)日：2022-06-21
申请号：CN202110601409.9
申请日：2021-05-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于标签对齐的多源域自适应跨被试EEG认知状态评估方法。本发明包括步骤：1：数据获取；2：数据预处理；3：基于LA‑MSDA模型的跨被试EEG认知状态评估方法。本发明采用分阶段使用共享公共特征提取器和非共享子特征提取器，进一步学习源域样本和目标域样本的被试不变特征和特定特征；其次，考虑到跨被试间的关系和相似性，提出了将局部和全局表示的域间分布进行对齐的方法，以评估跨被试的认知状态，解决了难以学习细粒度的类条件信息和适应跨被试的决策边界样本的问题。最后，本发明有效避免了脑认知计算领域脑电信号的个体差异性问题，可适用于任何任务下基于EEG的认知状态识别，泛化能力强，能够很好的适用于临床诊断和实际应用。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.029 seconds)
