-
公开(公告)号：CN104000602A
公开(公告)日：2014-08-27
申请号：CN201410148099.X
申请日：2014-04-14
Applicant: 北京工业大学
IPC: A61B5/16
CPC classification number: A61B3/112 , A61B3/113 , A61B5/1105 , A61B5/165
Abstract: 情感带宽测定及其情感损伤判别方法涉及认知科学和认知心理学领域。情感带宽是指认知个体受外界刺激所诱发的情感体验的大小范围，包括正性情感带宽、负性情感带宽和正负情感带宽。情感带宽测定的主要方法为：让被测试者观看正性、中性和负性图片任务各8～10秒，同时使用眼动装置获得各个注视点信息；计算被测试者在观看正性、中性和负性图片任务时的瞳孔直径大小；最后计算出被测试者正性情感带宽（正性-中性）、负性情感带宽（负性-中性）和正负情感带宽（正性-负性）。本发明首次提出了情感带宽的概念，解决了传统情感体验心理测量的模糊性和不确定性，给出情感体验的客观标准以及情感损伤的判断方法。
-
公开(公告)号：CN113807427B
公开(公告)日：2025-05-13
申请号：CN202111070317.9
申请日：2021-09-13
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/774 , G06N3/006 , G06N20/00
Abstract: 本申请公开了一种生物信息的分类方法、装置、储存介质及电子设备，属于生物信息识别领域，其中，生物信息的分类方法包括：获取待分类生物图片；将待分类生物图片输入训练好的机器学习模型中，得到待分类生物图片的分类信息，训练好的机器学习模型是利用带有正负域惯性权重的粒子群优化算法对机器学习模型的参数进行寻优得到的。该方法利用训练好的机器学习模型进行生物图片的生物信息分类，节省了人工成本的同时，大大提高了分类速度，并且该训练好的机器学习模型是利用带有正负域惯性权重的粒子群优化算法对机器学习模型的参数进行寻优得到的，分类准确率相较于传统的模型具有更高的准确率。
-
公开(公告)号：CN113610853B
公开(公告)日：2022-01-28
申请号：CN202111178892.0
申请日：2021-10-11
Applicant: 北京工业大学
IPC: G06T7/00 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , A61B5/16
Abstract: 本公开提供了一种基于静息态脑功能图像的情绪状态展示方法、装置及系统，该方法包括：获取被测者的静息态脑功能图像；将静息态脑功能图像输入第一网络模型得到情绪指数；对静息态脑功能图像进行特征提取得到初始特征图像；根据情绪指数对初始特征图像中感兴趣的区域进行增强得到目标特征图像；在静息态脑功能图像上叠加目标特征图像得到用于展示情绪状态的脑模式图像。该方法通过第一网络模型得到情绪指数能够初步确认被测者情绪状态的异常风险，通过对静息态脑功能图像进行特征提取和部分增强能够进一步获取与情绪状态相关的图像信息，通过在静息态脑功能图像上叠加目标特征图像得到的脑模式图像能够直观地展示被测者的情绪状态。
-
公开(公告)号：CN113903076A
公开(公告)日：2022-01-07
申请号：CN202111184281.7
申请日：2021-10-11
Applicant: 北京工业大学
IPC: G06V40/18 , G06V10/774 , G06K9/62 , G16H50/20 , G06N3/04
Abstract: 本申请公开了一种基于瞳孔波的负性情绪评估的数据处理方法与装置，其中方法包括：使用图像显示设备依次呈示平静情绪图像、快乐情绪图像和负性情绪图像；采集评估对象观看所述平静情绪图像、所述快乐情绪图像和所述负性情绪图像时相应的瞳孔波，得到平静瞳孔波、快乐瞳孔波和负性瞳孔波；根据所述平静瞳孔波、所述快乐瞳孔波和所述负性瞳孔波，分别生成快乐差异波和负性差异波；根据快乐差异波和负性差异波，分别提取快乐信息特征和负性信息特征；将提取的快乐信息特征和负性信息特征输入两层全连接评估模型，获得负性情绪风险指数AR。本申请实施例能够为识别负性情绪早期者提供帮助。
-
公开(公告)号：CN113842145A
公开(公告)日：2021-12-28
申请号：CN202111178895.4
申请日：2021-10-11
Applicant: 北京工业大学
Abstract: 本公开提供了一种基于瞳孔波计算情绪指标的方法、装置及系统，该方法包括：采集被测试者处于平静状态时的瞳孔波作为平静瞳孔波；获取情绪指标对应的多个情绪；分别采集被测试者处于每个情绪时的瞳孔波作为情绪瞳孔波；根据平静瞳孔波和情绪瞳孔波计算情绪指标的指数值；其中，瞳孔波为瞳孔直径或瞳孔面积随时间的变化曲线。该方法通过采集被测试者的瞳孔波能够得到被测试者瞳孔的动态变化情况，与现有的自评量表和拍照获取被测试者状态图片相比，本公开根据动态的瞳孔的变化情况计算情绪指标能够降低主观因素的影响，进而得到更精准的情绪指标的指数值。
-
Patent Agency Ranking
公开(公告)号：CN104504404B
公开(公告)日：2018-01-12
申请号：CN201510037404.2
申请日：2015-01-23
Applicant: 北京工业大学
CPC classification number: G06K9/62
Abstract: 本发明公开一种基于视觉行为的网上用户类型识别方法及系统，对一个或多个不同类型用户的眼动数据进行采集和处理，获得注视信息数据集与用户类型集，根据注视信息数据集中的注视信息，获得一个或多个眼动特征数据，以形成采样数据集，从中选择眼动特征数据输入支持向量机，训练得到用户类型分类器，完成机器学习过程获得分类器，将采集的网上任意用户的眼动数据输入到训练好的用户类型分类器，根据分类器识别网上任意用户的用户类型。主要利用眼动追踪技术，获取计算用户浏览网页时三种眼动特征数据，根据眼动特征数据的不同，判断网上用户类型。基于视觉行为的用户识别，能够主动记录网上用户的眼动数据，提取数据简便可靠，准确率高，可信度高。
-
公开(公告)号：CN104200227A
公开(公告)日：2014-12-10
申请号：CN201410441415.2
申请日：2014-09-01
Applicant: 北京工业大学
IPC: G06K9/62
CPC classification number: G06K9/6269 , G06K9/0061 , G06K9/42 , G06K9/6232
Abstract: 本发明提供了一种用于人类认知模式识别的特征归一化方法及系统，该方法通过将特征数据按用户分组以形成特征矩阵，基于预定的归一化函数对特征矩阵进行分组参数估计以得到每个分组对应的分组参数，能够基于分组参数对特征矩阵的每个分组分别构建归一化函数，并利用构建的归一化函数对特征矩阵进行分组归一化处理。本方法采用多个归一化函数对认知模式特征数据进行归一化处理，既保留了现有特征整体归一化方法的优点，又减少了特征数据内部分布尺度过大的问题，从而提高了分类正确率，并具有很强的鲁棒性。
-
公开(公告)号：CN102253714A
公开(公告)日：2011-11-23
申请号：CN201110186552.2
申请日：2011-07-05
Applicant: 北京工业大学
IPC: G06F3/01
Abstract: 基于视觉决策的选择触发方法属于自适应系统领域。本发明是一种适合于眼动人机交互系统中，基于用户的视觉模式得到用户偏好与决策信息、通过融合多项眼动指标与时间序列来获得用户选择触发时机的预测方法，即基于视觉决策的选择触发方法。本发明第一步收集与采样用户视觉决策数据：收集用户的注视数据，瞳孔直径数据及对应的点击选择数据；对收集到的数据按时间轴进行采样，得到用户进行选择时的注视数组与瞳孔直径数组。第二步拟合用户视觉决策曲线，并确定相关参数：对视觉决策曲线进行拟合，得到注视时间与瞳孔直径对应决策时间轴的函数，确定触发的阈值。本方法为自适应的用户视觉决策模型建立，无需用户进行额外的配合，方便使用，预测结果良好。
-
公开(公告)号：CN113903076B
公开(公告)日：2024-11-08
申请号：CN202111184281.7
申请日：2021-10-11
Applicant: 北京工业大学
IPC: G06V40/18 , G06V10/774 , G06V10/82 , G16H50/20 , G06N3/0464
Abstract: 本申请公开了一种基于瞳孔波的负性情绪评估的数据处理方法与装置，其中方法包括：使用图像显示设备依次呈示平静情绪图像、快乐情绪图像和负性情绪图像；采集评估对象观看所述平静情绪图像、所述快乐情绪图像和所述负性情绪图像时相应的瞳孔波，得到平静瞳孔波、快乐瞳孔波和负性瞳孔波；根据所述平静瞳孔波、所述快乐瞳孔波和所述负性瞳孔波，分别生成快乐差异波和负性差异波；根据快乐差异波和负性差异波，分别提取快乐信息特征和负性信息特征；将提取的快乐信息特征和负性信息特征输入两层全连接评估模型，获得负性情绪风险指数AR。本申请实施例能够为识别负性情绪早期者提供帮助。
-
公开(公告)号：CN113842145B
公开(公告)日：2023-10-03
申请号：CN202111178895.4
申请日：2021-10-11
Applicant: 北京工业大学
Abstract: 本公开提供了一种基于瞳孔波计算情绪指标的方法、装置及系统，该方法包括：采集被测试者处于平静状态时的瞳孔波作为平静瞳孔波；获取情绪指标对应的多个情绪；分别采集被测试者处于每个情绪时的瞳孔波作为情绪瞳孔波；根据平静瞳孔波和情绪瞳孔波计算情绪指标的指数值；其中，瞳孔波为瞳孔直径或瞳孔面积随时间的变化曲线。该方法通过采集被测试者的瞳孔波能够得到被测试者瞳孔的动态变化情况，与现有的自评量表和拍照获取被测试者状态图片相比，本公开根据动态的瞳孔的变化情况计算情绪指标能够降低主观因素的影响，进而得到更精准的情绪指标的指数值。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.021 seconds)
