-
公开(公告)号：CN117725521B
公开(公告)日：2024-11-22
申请号：CN202311750179.8
申请日：2023-12-19
Applicant: 电子科技大学
IPC: G06F18/243 , G06F18/25
Abstract: 本发明提供一种具有自适应表决时间窗窗长的基于多数投票的姿态动作分类方法，分类器采集肌电信号对人体的姿态动作进行分类识别，分类器每隔一个时间单位输出一个姿态动作的分类结果并将表决时间窗的长度增加一个时间单位；在当前的表决时间窗内进行基于多数投票的姿态动作的分类，并输出姿态动作的分类结果；再判断切换检测时间窗内是否发生姿态动作的类别切换，如是，则重置表决时间窗窗长为初始值后再进行基于多数投票的姿态动作的分类；如否，则直接基于多数投票的姿态动作的分类；本发明实现了表决时间窗窗长的自适应调整，降低了类别切换过程中因多数投票导致的系统延迟，提高了多数投票方法的准确率。
-
公开(公告)号：CN117725483B
公开(公告)日：2025-02-07
申请号：CN202311750181.5
申请日：2023-12-19
Applicant: 电子科技大学
IPC: G06F18/241 , G06F18/214 , G06N3/0464 , G06N3/08 , G06F18/213
Abstract: 本发明提供一种基于神经网络的有监督的信号分类方法，采集少量与待分类数据相同采集环境的数据并完成贴标生成校准数据；将校准数据输入至神经网络模块，根据神经网络模块的模板层的输出得到所有信号类别的类别模板；将待分类数据输入至神经网络模块，神经网络模块的模板层输出待分类数据的特征数据；将待分类数据的特征数据分别与各类别模板进行距离计算，将距离最小值所对应的类别作为最终的分类结果。本发明减小了信号变异性对模型性能的影响，无需对神经网络参数进行重新训练，显著降低了计算复杂度，同时具有更优越的分类性能。在语音信号、生理信号等变异性较强的信号处理中具有广泛的应用价值。
-
公开(公告)号：CN117725483A
公开(公告)日：2024-03-19
申请号：CN202311750181.5
申请日：2023-12-19
Applicant: 电子科技大学
IPC: G06F18/241 , G06F18/214 , G06N3/0464 , G06N3/08 , G06F18/213
Abstract: 本发明提供一种基于神经网络的有监督的信号分类方法，采集少量与待分类数据相同采集环境的数据并完成贴标生成校准数据；将校准数据输入至神经网络模块，根据神经网络模块的模板层的输出得到所有信号类别的类别模板；将待分类数据输入至神经网络模块，神经网络模块的模板层输出待分类数据的特征数据；将待分类数据的特征数据分别与各类别模板进行距离计算，将距离最小值所对应的类别作为最终的分类结果。本发明减小了信号变异性对模型性能的影响，无需对神经网络参数进行重新训练，显著降低了计算复杂度，同时具有更优越的分类性能。在语音信号、生理信号等变异性较强的信号处理中具有广泛的应用价值。
-
公开(公告)号：CN117725521A
公开(公告)日：2024-03-19
申请号：CN202311750179.8
申请日：2023-12-19
Applicant: 电子科技大学
IPC: G06F18/243 , G06F18/25
Abstract: 本发明提供一种具有自适应表决时间窗窗长的基于多数投票的分类方法，包括：始化表决时间窗窗长以及切换检测时间窗窗长；分类步骤：分类器每隔一个时间单位输出一个分类结果并将增加表决时间窗的长度；在当前的表决时间窗内进行基于多数投票的分类，并输出分类结果；再判断表决时间窗内是否有切换检测时间窗，有则判断切换检测时间窗内是否发生类别切换，如发生类别切换则重置表决时间窗窗长为初始值后返回分类步骤，如否，直接返回分类步骤；本发明实现了表决时间窗窗长的自适应调整，降低了类别切换过程中因多数投票导致的系统延迟，提高了多数投票方法的准确率，适用于语音信号、生理信号等具有时间依赖关系的信号分类任务。
-
-
-
Search Results
4
records
(took 0.017 seconds)
