公开(公告)号：CN110414548A

公开(公告)日：2019-11-05

申请号：CN201910492885.4

申请日：2019-06-06

Applicant: 西安电子科技大学

Inventor： 杨利英 ,  张清杨 ,  袁细国 ,  习佳宁

IPC: G06K9/62

Abstract: 本发明属于脑电信号处理技术领域，公开了一种基于脑电信号进行情感分析的层级Bagging方法，脑电样本数据预处理、特征提取和特征选择、训练集有放回抽样、不同基分类算法用于多个数据子集的训练、多分类器投票获得分类结果。与传统Bagging算法中单个训练子集对应单个分类算法不同的是，层级Bagging将多个训练子集对应单个分类算法，减小了单个性能良好的分类算法由于不适应个别数据导致被删去的风险。本发明可以有效提高脑电信号分类的准确率，解决单个分类算法稳定性不强的问题，也可推广至其他相似类型的数据处理。本发明对情绪监测、风险预测、有监督学习的分类都有重要意义。

公开(公告)号：CN112101152B

公开(公告)日：2024-02-02

申请号：CN202010905842.7

申请日：2020-09-01

Applicant: 西安电子科技大学

Inventor： 杨利英 ,  秦泽宇 ,  张清杨

IPC: G06F18/24 ,  G06F18/213 ,  G06F18/10 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于机器学习和情绪识别的交叉技术领域，公开了一种脑电情感识别方法、系统、计算机设备、可穿戴设备，通过去除最开始视频转换时产生的脑电信号，再用剩下的数据减去该信号的平均值，由此减少非情绪信号对情绪识别的影响；对预处理后的脑电信号使用短时傅里叶变换提取时频域特征；将特征放入卷积神经网络进行训练，提取出高质量特征；将得到的特征进行超图学习，构建超图分类器模型，完成情感分类识别。本发明采用深度学习的方法优化脑电信号的时频特征，然后使用超图学习的方法抽样进行训练与分类，在提高超图学习分类准确率的基础上有效缩短了训练时间、压缩了运算空间，对于便携式可穿戴设备的设计和研发具有重要意义。

公开(公告)号：CN116258139A

公开(公告)日：2023-06-13

申请号：CN202211095419.0

申请日：2022-09-05

Applicant: 电子科技大学

Inventor： 秦科 ,  许毅 ,  罗光春 ,  段贵多 ,  范雨 ,  詹紫琦 ,  张清杨

IPC: G06F40/279 ,  G06F16/36 ,  G06F16/28 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明属于知识图谱相关技术领域，具体提供一种基于特征增强的人物关系知识图谱补全方法，旨在解决现有的基于卷积神经网络的模型方法并没有考虑丰富的图谱语义信息的问题，受限于三元组本身的信息特征，同时解决了DKRL模型不能有效地提取描述文本特征的缺陷。本发明基于知识图谱附加的语义特征和路径特征，针对链接预测任务，提供一种基于特征增强的卷积神经网络模型，通过将附加描述信息、路径信息与卷积神经网络结合起来，实现更高质量的知识图谱补全方法，进而实现对人物关系知识图谱的补全，提升针对人物间关系的预测性能，为人物关系提供支持。

公开(公告)号：CN112101152A

公开(公告)日：2020-12-18

申请号：CN202010905842.7

申请日：2020-09-01

Applicant: 西安电子科技大学

Inventor： 杨利英 ,  秦泽宇 ,  张清杨

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于机器学习和情绪识别的交叉技术领域，公开了一种脑电情感识别方法、系统、计算机设备、可穿戴设备，通过去除最开始视频转换时产生的脑电信号，再用剩下的数据减去该信号的平均值，由此减少非情绪信号对情绪识别的影响；对预处理后的脑电信号使用短时傅里叶变换提取时频域特征；将特征放入卷积神经网络进行训练，提取出高质量特征；将得到的特征进行超图学习，构建超图分类器模型，完成情感分类识别。本发明采用深度学习的方法优化脑电信号的时频特征，然后使用超图学习的方法抽样进行训练与分类，在提高超图学习分类准确率的基础上有效缩短了训练时间、压缩了运算空间，对于便携式可穿戴设备的设计和研发具有重要意义。