-
公开(公告)号：CN107147397B
公开(公告)日：2020-06-16
申请号：CN201710269603.5
申请日：2017-04-24
Applicant: 电子科技大学 , 内江市下一代互联网数据处理技术研究所
IPC: H03M7/30
Abstract: 本发明公开了一种面向可穿戴设备的快速压缩感知重构方法，属于信号处理领域。本发明通过构造的m*n维随机稀疏二值观测矩阵Ф，对原始心电信号x进行压缩测量，得到长度为m的观测向量y；再基于观测矩阵Ф和观测向量y，利用基于交替方向乘子法和块稀疏贝叶斯学习的压缩感知重构方法对原始信号进行重构，得到原始信号的估计向量。与现有块稀疏贝叶斯学习类压缩感知重构算法相比，本发明的优点在于在保证重构精度的前提下可以达到更快的重构速度。
-
公开(公告)号：CN107147397A
公开(公告)日：2017-09-08
申请号：CN201710269603.5
申请日：2017-04-24
Applicant: 电子科技大学 , 内江市下一代互联网数据处理技术研究所
IPC: H03M7/30
Abstract: 本发明公开了一种面向可穿戴设备的快速压缩感知重构方法，属于信号处理领域。本发明通过构造的m*n维随机稀疏二值观测矩阵Ф，对原始心电信号x进行压缩测量，得到长度为m的观测向量y；再基于观测矩阵Ф和观测向量y，利用基于交替方向乘子法和块稀疏贝叶斯学习的压缩感知重构方法对原始信号进行重构，得到原始信号的估计向量。与现有块稀疏贝叶斯学习类压缩感知重构算法相比，本发明的优点在于在保证重构精度的前提下可以达到更快的重构速度。
-
公开(公告)号：CN113688673B
公开(公告)日：2023-05-30
申请号：CN202110802173.5
申请日：2021-07-15
Applicant: 电子科技大学
IPC: G06F18/2411 , G06F18/213
-
公开(公告)号：CN114239649B
公开(公告)日：2023-04-07
申请号：CN202111522123.8
申请日：2021-12-13
Applicant: 电子科技大学
IPC: G06F18/10 , G06F18/213 , G06F18/24 , G06F18/23 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种面向可穿戴设备光电容积脉搏波信号发现和识别新用户的身份识别方法。本发明将经过预处理后的部分脉搏波信号作为训练集，通过深度神经网络训练具有提取时间稳定的可辨识性特征；基于聚类方法找到各类别的中心点，并根据中心点进行特征转换，得出各类别下类别特征向量，构建模板数据库；在测试集中，通过同样的信号处理方法和特征转换得到特征向量，计算其与模板数据库中各类别的特征向量的调整余弦相似度，判断其是否超过设定的阈值从而判断其是否属于模板数据库中的老用户或是一个新用户。本发明实施便捷、实用性高、识别精度高，不仅能够识别模板数据库中已存在的老用户，同时能够有效地发现和识别未在数据库中的新用户。
-
公开(公告)号：CN113705339A
公开(公告)日：2021-11-26
申请号：CN202110802467.8
申请日：2021-07-15
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于对抗性域适应策略的跨用户人体行为识别方法，属于行为识别技术领域。本发明首先对原始加速度数据和陀螺仪数据进行预处理并图像化为单通道活动图像，再从图像空间和时间序列两个维度进行特征提取。采用对抗性域适应策略分三步进行特征提取网络和两个分类器的训练，以优化提取到的特征的分布，减少跨用户带来的特征决策边界处混淆的影响，同时引入最小化类间混淆损失，减少跨用户带来的特征重叠处混淆的影响。最后将优化分布后的特征输入到分类器中，综合考虑两个分类器的预测结果，对人体行为进行分类，得到人体行为状态。本发明减少了个体间差异带来的影响，有效提高了基于传感器信号的跨用户人体行为识别精度。
-
Patent Agency Ranking
公开(公告)号：CN111967362A
公开(公告)日：2020-11-20
申请号：CN202010792637.4
申请日：2020-08-09
Applicant: 电子科技大学
Abstract: 本发明公开了一种面向可穿戴设备的超图特征融合和集成学习的人体行为识别方法。本发明首先对原始加速度数据和陀螺仪数据提取时域和频域特征，然后基于卷积神经网络提取深度特征，再进行标准化处理后降维。利用Saito超图学习对传感器行为特征和个性因素进行融合，并利用稳定变换矩阵实现实时特征融合，同时考虑到传感器信号存在时间差异性，对稳定变换矩阵进行周期更新。最后将所获得的最终规定特征向量输入到集成学习分类器中，对人体行为进行分类，得到人体行为状态。本发明利用Saito超图学习来高效融合传感器数据与个性因素即充分地利用不同类型信息间的互补特性达到更好的融合效果，有效提高行为识别模型的普适性。
-
公开(公告)号：CN118964923A
公开(公告)日：2024-11-15
申请号：CN202410944264.6
申请日：2024-07-15
Applicant: 电子科技大学
IPC: G06F18/213 , G06F18/214 , G06F18/24 , G06N3/04 , G06N3/084 , G06N3/0895
Abstract: 本发明公开了一种存在标签噪声的工作负荷识别方法，属于生理信号识别领域。本发明首先对工作负荷识别模型进行包含三种不同的正则化方法的预训练，以减少模型受到的标签噪声影响导致的过拟合；再基于预训练后的模型对数据的标签是否含噪进行判别，首先对每个样本的损失进行判别，然后通过含噪样本和不含躁样本的特征分布对判别结果进行修正；最后，把判别为含噪的样本当作无标签样本，进行半监督学习；本发明针对工作负荷数据可能存在的数据标签含噪的问题，提出了一种标签含噪学习方式，降低了标签噪声对于工作负荷识别模型的影响，增加了模型的泛化性，更好的保障了工作负荷识别模型的识别准确率。
-
公开(公告)号：CN118902453A
公开(公告)日：2024-11-08
申请号：CN202410944256.1
申请日：2024-07-15
Applicant: 电子科技大学
IPC: A61B5/16 , A61B5/18 , A61B5/318 , A61B5/346 , A61B5/00 , A61B5/352 , G16H50/30 , G16H50/70 , G06F18/214 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于心电数据增强的飞行员高风险心理状态识别方法，涉及生理信号识别技术领域。本发明首先在全部数据上训练常规识别模型，然后利用特征可视化技术通过该模型提取不均衡数据集中头部类样本的低信息样本段，并将其与尾部类信号的心电有效信息进行拼接，实现对高风险心理状态样本的数据增强，进而实现心理风险数据的重均衡。最后在重均衡的数据集上训练得到心理风险识别模型，保障飞行员在实际飞行预警和模拟飞行针对训练的心理状态可探知、可记录、可分析。本发明针对性地面向飞行员高风险心理状态数据不足导致的心理风险样本不均衡场景，使高风险心理状态能够被精准捕捉、有效识别，保障飞行员在飞行过程中的飞行安全。
-
公开(公告)号：CN117131436A
公开(公告)日：2023-11-28
申请号：CN202311088361.1
申请日：2023-08-28
Applicant: 电子科技大学
IPC: G06F18/2415 , G06F18/2433 , G06F18/213 , G06F18/214 , G06N3/045 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种面向开放环境的辐射源个体识别方法，属于辐射源个体识别技术领域。本发明方法包括：采集源域数据样本，并设设置样本的真实分类标签；采集目标域数据样本，其中目标域数据的部分数据样本的类别属于源域共享类别；基于源域和目标域数据集对辐射源个体识别模型进行训练；采集目标辐射源个体的信号数据，基于辐射源个体识别模型获取目标辐射源个体的类别。本发明基于通过在特征空间对齐源域信号和目标域信号，实现最大化类别间距，缓解了跨信道导致的类别间的特征混淆；同时，基于一多对分类器实现了未知类和已知类的分类边界的构建。在开放环境中同时解决跨信道带来的特征混淆和未知类别导致的模型不可信问题。
-
公开(公告)号：CN113705339B
公开(公告)日：2023-05-23
申请号：CN202110802467.8
申请日：2021-07-15
Applicant: 电子科技大学
IPC: G06V40/20 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/049 , G06N3/08
Abstract: 本发明公开了一种基于对抗性域适应策略的跨用户人体行为识别方法，属于行为识别技术领域。本发明首先对原始加速度数据和陀螺仪数据进行预处理并图像化为单通道活动图像，再从图像空间和时间序列两个维度进行特征提取。采用对抗性域适应策略分三步进行特征提取网络和两个分类器的训练，以优化提取到的特征的分布，减少跨用户带来的特征决策边界处混淆的影响，同时引入最小化类间混淆损失，减少跨用户带来的特征重叠处混淆的影响。最后将优化分布后的特征输入到分类器中，综合考虑两个分类器的预测结果，对人体行为进行分类，得到人体行为状态。本发明减少了个体间差异带来的影响，有效提高了基于传感器信号的跨用户人体行为识别精度。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.036 seconds)
