-
公开(公告)号：CN109452938A
公开(公告)日：2019-03-12
申请号：CN201811640395.6
申请日：2018-12-29
Applicant: 中国矿业大学
IPC: A61B5/04 , A61B5/0402 , A61B5/0452 , G06K9/62 , G06N3/08
Abstract: 一种基于多尺度多重分形的HFECG信号特征频率检测方法，适用于心电信号的多尺度分析及有关疾病的检测中使用。采集HFECG信号并组成时间序列，对HFECG时间序列符号动力学运算并进行单峰映射，对一维符号序列进行非线性多尺度多重分形分析，计算一维符号序列在各尺度下的质量指数谱曲率参数，包括尺度因子的范围，根据尺度因子与特征频率得到所有HFECG信号的特征频率。有效通过一个频率尺度因子寻找与生命活动密切相关的多重分形特性谱参数，该参数对生理、病理活动状态具有敏感性。其步骤简单，检测效率高，能够有效提高临床上系统的诊断准确性。
-
公开(公告)号：CN114676723B
公开(公告)日：2025-05-09
申请号：CN202210237391.3
申请日：2022-03-11
Applicant: 中国矿业大学
IPC: G06F18/241 , G06F18/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于加权水平可视图多重分形的情绪识别方法，适用于情绪状态识别领域。采集脑电信号并组成时间序列，将该时间序列映射为加权水平可视图，对加权水平可视图进行分析，研究结构，探究其蕴含的脑电信号的非线性特性；其中无标度特征被创新性地用于分析相关加权水平可视图的结构，通过分析加权水平可视图的分形与多重分形，实现对加权水平可视图的描述刻画，最终使用神经网络进行训练，实现对不同情绪脑电信号的分类与识别，步骤简单，识别准确，具有广泛的实用性。
-
公开(公告)号：CN118568545A
公开(公告)日：2024-08-30
申请号：CN202410720020.X
申请日：2024-06-05
Applicant: 中国矿业大学
IPC: G06F18/24 , G06N3/0464 , G06N3/042 , G06N3/045 , G06N3/049 , G06F18/25 , G06N3/048 , G06N3/0455 , G06N3/0442 , G06N3/047
Abstract: 本发明所述的一种基于多元数据的人体复杂行为识别与预测方法，属于人体复杂行为识别与预测领域。通过佩戴在人体上的传感器收集人体在做出各种活动过程中的状态信息数据，生成人体动作的识别与预测模型并完成训练，利用训练好的识别与预测模型根据可穿戴式设备收集的人体行为信息预测其下一步的行为动作；识别与预测模型包括预测模块和识别模块；能够快速高效的通过能够利用佩戴在人体上的传感器采集到的人体复杂动作预判出下一步要做出的动作，其方法简单，使用方便，具有广泛的实用性。
-
公开(公告)号：CN113876337B
公开(公告)日：2023-09-22
申请号：CN202111085080.1
申请日：2021-09-16
Applicant: 中国矿业大学
Abstract: 一种基于多元递归网络的心脏疾病识别方法，适用于心电信号分析及相关疾病的检测。采集样本ECG的十二导联信号构成多元时间序列，在不同的尺度因子下对多元时间序列粗粒化生成新的多元时间序列，利用递归图和交叉递归图算法对新多元时间序列构造成多元递归网络，计算其交叉聚类系数熵，确定最佳尺度因子，在最佳尺度因子下重构多元递归网络，计算其交叉聚类系数，将一个时间序列作为一个节点，节点之间的连边权重取交叉聚类系数均值，构造权重网络，根据不同人群的相关网络参数显著差距来对心脏疾病进行检测。其步骤简单，检测效率高，且分析ECG信号的十二导联时间序列，可以有效的提高临床上心脏疾病的诊断准确性。
-
Patent Agency Ranking
公开(公告)号：CN113413158A
公开(公告)日：2021-09-21
申请号：CN202110588760.9
申请日：2021-05-28
Applicant: 中国矿业大学
Abstract: 一种基于多路可视图的健康与心脏疾病患者ECG信号识别方法，适用于临床心脏疾病的检测中使用。采集个体的十二导联ECG信号并组成十二维时间序列，利用可视图算法将十二维时间序列构造为多路可视图，计算层间互信息，并以其为对应连边权重，多路可视图中每一层为节点构造无向加权网络，分析不同尺度因子下的网络参数，寻找最佳序列长度；在此基础上，引入阈值参数，删除权值过小的连边重构加权网络，计算不同阈值下的网络参数，寻找最佳阈值，同时，根据网络参数的显著差异对健康和心脏疾病患者的ECG信号进行识别。其步骤简单，识别效率高，且通过十二导联进行分析，提高对人体生理信号内在机制分析的准确性和系统性。
-
公开(公告)号：CN117113171B
公开(公告)日：2024-09-24
申请号：CN202310965026.9
申请日：2023-08-02
Applicant: 中国矿业大学
IPC: G06F18/241 , G06F18/213 , G06N3/0464 , G06N3/08 , G06F123/02
Abstract: 本发明公开一种基于多元可视图神经网络模型的情绪识别方法，属于计算机情感识别技术领域。采集人体二十二个不同部位的电信号，并记录当前的影片的情感状态，对数据进行预处理形成N组二十二维时间序列，对于每一组数据利用可视图算法将二十二维时间序列转化为二十二张可视图，然后统计每张可视图的度分布情况，生成二十二维度分布序列。构建基于多元可视图的神经网络模型，多元可视图的神经网络模型通过学习不同通道间度分布关系以及原时间序列间时序特征来构成动态图，通过Adam算法来进行调节神经网络模型，模型训练完成后即可用以对输入数据进行情绪识别方法。其能够模拟出不同模态之间的复杂关系，能够有效提高识别准确度。
-
公开(公告)号：CN115718867A
公开(公告)日：2023-02-28
申请号：CN202211438097.5
申请日：2022-11-16
Applicant: 中国矿业大学
IPC: G06F18/213 , A61B5/346 , G06F16/2458 , G06F18/2415 , G06F18/214 , G16H50/20 , G06F18/10
Abstract: 本发明公开了一种基于shapelet将心电信号转换成图结构的分类方法，属于心跳信息分析技术领域。获取心电信号数据集，用小波变换去噪算法对心电信号降噪处理，采用小波模极大值结合可变阈值法对降噪处理的信号处理,利用获得的心电信号R波峰位置信息，采用shapelet算法提取每个信号周期的P‑QRS‑T波段的shapelet特征序列,将提取的心电信号shaplet特征构建做为图结构的每一个节点，并利用每个特征之间的权重来构造图的每一个边，从而构建有向加权图，设置图卷积神经网络参数，将构造的图数据输入到模型中进行训练学习，利用Softmax函数获得各个特征序列的概率分布，从而达到识别的效果，将心电信号提取shapelet特征序列转换成图结构明显提升了分类的准确度。
-
公开(公告)号：CN114676723A
公开(公告)日：2022-06-28
申请号：CN202210237391.3
申请日：2022-03-11
Applicant: 中国矿业大学
Abstract: 本发明公开一种基于加权水平可视图多重分形的情绪识别方法，适用于情绪状态识别领域。采集脑电信号并组成时间序列，将该时间序列映射为加权水平可视图，对加权水平可视图进行分析，研究结构，探究其蕴含的脑电信号的非线性特性；其中无标度特征被创新性地用于分析相关加权水平可视图的结构，通过分析加权水平可视图的分形与多重分形，实现对加权水平可视图的描述刻画，最终使用神经网络进行训练，实现对不同情绪脑电信号的分类与识别，步骤简单，识别准确，具有广泛的实用性。
-
公开(公告)号：CN113876337A
公开(公告)日：2022-01-04
申请号：CN202111085080.1
申请日：2021-09-16
Applicant: 中国矿业大学
Abstract: 一种基于多元递归网络的心脏疾病识别方法，适用于心电信号分析及相关疾病的检测。采集样本ECG的十二导联信号构成多元时间序列，在不同的尺度因子下对多元时间序列粗粒化生成新的多元时间序列，利用递归图和交叉递归图算法对新多元时间序列构造成多元递归网络，计算其交叉聚类系数熵，确定最佳尺度因子，在最佳尺度因子下重构多元递归网络，计算其交叉聚类系数，将一个时间序列作为一个节点，节点之间的连边权重取交叉聚类系数均值，构造权重网络，根据不同人群的相关网络参数显著差距来对心脏疾病进行检测。其步骤简单，检测效率高，且分析ECG信号的十二导联时间序列，可以有效的提高临床上心脏疾病的诊断准确性。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.025 seconds)
