-
公开(公告)号：CN115035335B
公开(公告)日：2025-04-29
申请号：CN202210637518.0
申请日：2022-06-07
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/762 , G06N20/00
Abstract: 本发明提出一种基于伪标签改进的迁移学习方法，用于解决迁移学习中因目标伪标签不精准造成目标分类器精度效果受损的问题。本发明方法首先通过将目标域样本聚类后与源域已确定的类别中心进行类别匹配(类心匹配)，获取伪标签；并且通过添加特征投影减小原始样本差异。最后结合投影后的低维样本和伪标签进行目标加权，学习目标分类器。与现有技术相比，本发明能够通过改善伪标签精度以及对样本进行特征投影处理，来提高样本的加权效果和提升目标样本的分类精度。
-
公开(公告)号：CN114419665B
公开(公告)日：2025-04-08
申请号：CN202111579207.5
申请日：2021-12-22
Applicant: 杭州电子科技大学
IPC: G06V40/10 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/09 , G06N3/098
Abstract: 本发明公开了一种基于twins多层级特征的行人重识别方法，方法流程如图1所示。首先提取twins的第三阶段和第四阶段的特征图，将第三阶段的特征图经过设计的一个Convblock，其中包括二维卷积，均值归一化层，SE注意力层，激活函数层，水平切分得到两局部特征图，再经过池化，降维等操作得到两个特征向量；将第四阶段的特征图经过池化降维等操作得到一个特征向量。将这三个特征向量分别经过三个分类层得到三个预测分类。最后将特征向量送入三元组损失，预测分类送入交叉熵损失和中心损失进行联合训练。训练80个迭代后，模型进入拟合状态，最后用数据集的query集和gallery集来评估模型的性能。
-
公开(公告)号：CN111814544B
公开(公告)日：2024-12-17
申请号：CN202010484729.6
申请日：2020-06-01
Applicant: 杭州电子科技大学
IPC: G06F18/24 , G06F18/213 , G06F18/25 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于局部平衡极限学习机的动态运动想象脑电识别方法，本发明为了提高手部动作分类的性能，采用了一种局部平衡ELM和基于SL量化FBN的新方法。与传统思想不同，本发明从上述加权的FBN提取了两种二值子网络的拓扑特征。此外，本发明指出了ELM融合中的两个不足，并提出了相应的局部平衡ELM。为了达到两个互补特征在ELM特征空间的最佳融合，以及二值化的最佳阈值和正则化ELM的最佳正则化参数，本专利改进了LOO方法的计算复杂度，使用LOO来收敛上述参数的经验范围。
-
公开(公告)号：CN113705645B
公开(公告)日：2024-02-13
申请号：CN202110949703.9
申请日：2021-08-18
Applicant: 杭州电子科技大学
IPC: G06F18/24 , G06F18/2415 , G06F18/214 , G06F18/22
Abstract: 本发明公开了一种针对脑电信号的自适应联合模型半监督学习分类方法。首先建立一个自适应联合模型。联合模型的构建基于欧式模型和黎曼模型，并在算法迭代过程中设计权值更新策略。通过根据两种模型贡献来自适应调整两个模型的权值，以获得一个更好的基础模型来提升后续特征信息提取的有效性。然后在联合模型的基础上提取隐藏特征，并将隐藏特征和有标签样本的特征相连接形成新的训练集。最后，利用宽度学习系统对新训练集进行训练并对测试集分类。该算法在三个脑机接口公开数据集上得到了验证，并与几种最新的方法进行了比较。
-
公开(公告)号：CN112541415B
公开(公告)日：2024-02-02
申请号：CN202011399687.2
申请日：2020-12-02
Applicant: 杭州电子科技大学
IPC: G06F18/10 , G06F18/213 , G06F18/24 , G06F18/214 , G06F18/23
Abstract: 本发明公开了一种基于符号传递熵和图论的脑肌功能网络运动疲劳检测方法；首先，通过64导联脑电帽和肌电采集仪采集了10通道脑电信号和尺侧腕屈肌、屈指浅肌、桡侧腕屈肌的表面肌电信号。结合符号传递熵和图论知识建立了脑肌功能网络，并提取了网络特征向量用于K最近邻算法训练分类器，最终用于检测运动疲劳。该方法克服了传统的基于生物电信号的运动疲劳检测方法中未全面考虑脑肌协作进行运动控制的缺点，将脑电信号和肌电信号结合进行运动疲劳检测，结果显示该方法在运动疲劳检测中具有较高的准确率。
-
Patent Agency Ranking
公开(公告)号：CN117437533A
公开(公告)日：2024-01-23
申请号：CN202311482017.0
申请日：2023-11-09
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于多模态融合的深海高光谱图像目标识别方法，该方法首先获取深海高光谱数据集，并对深海高光谱数据集预处理，去除数据中噪声干扰最严重的波段，得到预处理后数据集用X。其次对数据集X进行基于熵率的超像素分割，获得均质的子空间。然后计算每个子空间不同波段的高光谱图像之间的相似性，构建相似图，并基于优化问题，通过多模态融合特征选择，更新相似图。最后由鲁棒可能性模糊聚类算法，进行降维和分类，完成目标识别。本发明可以更好地捕捉到目标物体的特征，从而改善分类和识别的准确性，提高对锰结核的分类和识别性能。
-
公开(公告)号：CN111708978B
公开(公告)日：2023-05-02
申请号：CN202010727716.7
申请日：2020-07-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种多尺度时频肌间耦合分析方法。本发明首先进行多通道表面肌电信号同步采集并进行预处理；并对预处理后的数据进行噪声辅助的多元经验模态分解，得到有用的IMF尺度分量。其次对IMF尺度分量进行同步提取变换；具体为：对每个IMF尺度分量进行短时傅里叶变换，再乘以一个相位因子后进行同步压缩变换。然后计算时频互信息、时频归一化互信息和时频条件互信息；最后将上述计算结果进行多尺度时频肌间耦合统计分析。本发明为定量研究脑卒中患者上肢康复运动过程中不同时频尺度下的肌间非线性耦合强度特性提供了一种新方法。
-
公开(公告)号：CN115169483A
公开(公告)日：2022-10-11
申请号：CN202210868254.X
申请日：2022-07-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于联合域对齐张量子空间学习的跨样本EEG解码方法，本发明将EEG数据多维信息利用张量表示，并利用Tucker分解技术获得不同维度特征信息并将其作为样本间的共享子空间。然后为减小域差异带来的影响，引入一组对齐矩阵集将不同样本域同时对齐张量子空间，利用图正则化保持源域和目标域的局部结构。最后利用交替迭代的方法学习最优子空间，并在子空间中训练一个线性分类器达到跨样本解码的目的。
-
公开(公告)号：CN113288150B
公开(公告)日：2022-09-27
申请号：CN202110712331.8
申请日：2021-06-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基疲劳脑电信号组合特征的通道选择方法。针对现有技术的问题，提出的技术方案为：首先使用脑电采集设备采集疲劳驾驶信号，选取大脑皮层上能显著反映疲劳状态的电极通道并预处理；通过集合经验模态分解所获得的有限个本征模函数的功率谱值作为特征，并将样本熵作为辅助特征，再通过本文提出的通道选择方法分别筛选出在功率谱值和样本熵值作为特征下的理想通道；最后使用多层感知超限学习机和使用粒子群优化算法优化后的多层感知超限学习机分别对筛选出的理想通道数据进行二分类。本发明使用了组合特征提高了通道选择算法的泛化能力，最终使用了最优通道相比于全通道大幅提高了准确率。
-
公开(公告)号：CN113558639A
公开(公告)日：2021-10-29
申请号：CN202110758891.7
申请日：2021-07-05
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于格兰杰因果关系和图论的运动意图脑肌网络构建方法。本发明首先同步采集到两种不同运动模式下的脑电和肌电信号，对信号进行预处理、分频段，选择与运动区域相关的部分电极进行分析，计算两种运动模式不同频段的脑电信号的功率谱密度，再构建自回归模型计算脑电或肌电信号之间的格兰杰因果关系，分析两种不同运动模式下，脑电信号和肌电信号之间的耦合强度，然后根据得到的信号之间的格兰杰因果关系构建脑肌网络，并利用图论的方法计算其网络特征参数，评估主动训练和被动训练的康复效果。本发明发明拓展了评估方法，有助于理解内在的机制，构建脑肌网络，可以研究大脑和肌肉之间的信息流动。
-
-
-
-
-
-
-
-
-
Search Results
104
records
(took 0.062 seconds)
