-
Patent Agency Ranking
公开(公告)号：CN112733656A
公开(公告)日：2021-04-30
申请号：CN202011618844.4
申请日：2020-12-30
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于多流空间注意力图卷积SRU网络的骨架动作识别方法。本发明首先,在简单循环单元中嵌入图卷积算子构建出图卷积模型,来捕获骨架数据的时空域信息。同时，为了加强关节点之间的区分性，设计了空间注意力网络和多流数据融合方式，进一步将图卷积简单循环网络模型拓展成多流空间注意力图卷积SRU。本发明在保持高分类精度的同时，显著地减少方法复杂度，提高了模型的推理速度，达到了计算效率和分类精度的平衡，该方法具有十分广阔的应用前景。
-
公开(公告)号：CN112528834A
公开(公告)日：2021-03-19
申请号：CN202011422720.9
申请日：2020-12-08
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种子带目标对齐共空间模式的脑电信号跨被试分类方法。本发明首先将脑电信号带通滤波成多个子频段信号（子带滤波），然后采用CSP算法提取特征，接着通过最小冗余最大相关方法选择更具代表性的特征，最后将传统的线性判别分析分类器用于脑电分类。本发明将子带滤波与目标对齐结合可以有效提高跨被试分类的性能。
-
公开(公告)号：CN118643422A
公开(公告)日：2024-09-13
申请号：CN202410663026.8
申请日：2024-05-27
Applicant: 杭州电子科技大学
IPC: G06F18/2431 , A61B5/16 , A61B5/369 , A61B5/372 , A61B5/00 , G06F18/2415 , G06F18/15 , G06F18/213 , G06N3/045 , G06N3/0985 , G06N3/048
Abstract: 本发明公开了基于子域自适应脑电信号识别的多源域跨被试情绪分类方法，该方法首先采集脑电信号进行下采样、带通滤波，并计算脑电信号的微分熵特征。其次选取一个被试作为目标域，剩余被试作为源域，计算其与目标域之间的域间可迁移性，剔除不参与知识迁移的源域。然后将参与训练的所有源域样本的微分熵特征，经过串行的公共特征提取网络和双过滤网络，获取域分类特征。最后通过双分类器对每个样本的域分类特征计算其预测概率，得到分类结果，构建损失函数进行训练迭代更新参数。本发明实现类级别的细粒度特征分布对齐，提高了在跨被试应用背景下对脑电图的情绪识别准确率。
-
公开(公告)号：CN112733656B
公开(公告)日：2024-02-06
申请号：CN202011618844.4
申请日：2020-12-30
Applicant: 杭州电子科技大学
IPC: G06V40/20 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/044 , G06N3/082 , G06V10/764
Abstract: 本发明提出了一种基于多流空间注意力图卷积SRU网络的骨架动作识别方法。本发明首先,在简单循环单元中嵌入图卷积算子构建出图卷积模型,来捕获骨架数据的时空域信息。同时，为了加强关节点之间的区分性，设计了空间注意力网络和多流数据融合方式，进一步将图卷积简单循环网络模型拓展成多流空间注意力图卷积SRU。本发明在保持高分类精度的同时，显著地减少方法复杂度，提高了模型的推理速度，达到了计算效率和分类精度的平衡，该方法具有十分广阔的应用前景。
-
公开(公告)号：CN112528834B
公开(公告)日：2024-02-02
申请号：CN202011422720.9
申请日：2020-12-08
Applicant: 杭州电子科技大学
IPC: G06F18/24 , G06F18/213 , G06F18/10 , G06F18/214
Abstract: 本发明公开了一种子带目标对齐共空间模式的脑电信号跨被试分类方法。本发明首先将脑电信号带通滤波成多个子频段信号（子带滤波），然后采用CSP算法提取特征，接着通过最小冗余最大相关方法选择更具代表性的特征，最后将传统的线性判别分析分类器用于脑电分类。本发明将子带滤波与目标对齐结合可以有效提高跨被试分类的性能。
-
-
-
-
Search Results
5
records
(took 0.019 seconds)
