-
公开(公告)号：CN114139572A
公开(公告)日：2022-03-04
申请号：CN202111271233.1
申请日：2021-10-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于增强对称正定矩阵的脑电情绪识别方法。本发明首先采用小波包变换提取脑电信号的时频域信息；然后通过协方差方法将时频域信息嵌入到对称正定矩阵中得到增强的对称正定矩阵；最后将增强的对称正定矩阵在黎曼流形空间进行降维并映射到切空间中，并在切空间中使用支持向量机进行分类。本发明通过对脑电信号进行效价、唤醒度二分类以及四分类，来评估情绪识别的准确性。本发明在公开数据集DEAP上得到了验证，并与几种最新的方法进行了比较。实验结果表明，本发明取得了较好的分类效果。
-
公开(公告)号：CN113705437B
公开(公告)日：2024-03-12
申请号：CN202110993172.3
申请日：2021-08-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种针对于脑机接口的跨域脑电信号识别方法，本发明是在特征层面处理数据，利用黎曼流形的空间性和可计算性来提取不同受试者的脑电信号的切空间特征，然后将其映射到格拉斯曼流形上进行深层次的领域自适应操作。在域适应中，同时考虑源域和目标域数据的几何和统计属性，首次使用了伪标签更新目标域散度矩阵使类间距离最大化和类内距离最小化。来自BCI的数据集用于验证该发明的有效性。在这两种实验范例下，该发明获得了优秀的结果。跨域脑电信号识别是未来脑机接口走向实践的一个富有潜力的方向，在此方面本发明具有一定的积极意义。
-
公开(公告)号：CN113705437A
公开(公告)日：2021-11-26
申请号：CN202110993172.3
申请日：2021-08-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种针对于脑机接口的跨域脑电信号识别方法，本发明是在特征层面处理数据，利用黎曼流形的空间性和可计算性来提取不同受试者的脑电信号的切空间特征，然后将其映射到格拉斯曼流形上进行深层次的领域自适应操作。在域适应中，同时考虑源域和目标域数据的几何和统计属性，首次使用了伪标签更新目标域散度矩阵使类间距离最大化和类内距离最小化。来自BCI的数据集用于验证该发明的有效性。在这两种实验范例下，该发明获得了优秀的结果。跨域脑电信号识别是未来脑机接口走向实践的一个富有潜力的方向，在此方面本发明具有一定的积极意义。
-
-
Search Results
3
records
(took 0.042 seconds)
