-
公开(公告)号：CN106991810A
公开(公告)日：2017-07-28
申请号：CN201710271636.3
申请日：2017-04-24
Applicant: 杭州电子科技大学
Abstract: 本发明公布了一种应用于监测终端的多采样率方法。本发明所基于的装置包括道路监控摄像头、尾气检测传感器、数据存储单元、GPRS无线模块、数据分析中心和主控制器。该发明方法自动调节监测终端传感器采样率，实现了对汽车尾气的多采样率监测。本发明对提高设备测量的准确性、减少设备使用成本以及延长设备使用寿命具有重大的意义。
-
公开(公告)号：CN106937872A
公开(公告)日：2017-07-11
申请号：CN201710262314.2
申请日：2017-04-20
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于回归曲线的步态双侧对称性评价方法。首先，利用加速度传感器获取步态运动时足部三轴加速度信息，并对获取的加速度信息进行消噪预处理；其次，提取消噪后的加速度信号，分别计算连续步态周期的双侧对称性指标，实现步态对称性的定量分析。本发明步态双侧对称性检测方法具有简便、准确的特点，在步态平衡能力分析等领域具有广阔的应用前景。
-
公开(公告)号：CN105550705A
公开(公告)日：2016-05-04
申请号：CN201510922194.5
申请日：2015-12-11
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明公开一种改进自训练半监督学习的脑电信号识别方法。首先对采集到的EEG信号进行预处理，利用半监督extreme energy ratio算法提取标记和未标记样本的特征向量，然后利用标记样本训练支持向量机(SVM)，并对未标记样本进行预测，再选择具有高置信度的未标记样本及其对应的预测标签，加入标记样本集中，并相应地从未标记样本集中删除，依次循环迭代，最后完成对所有未标记样本的标注。本发明不仅大大减少了用户在使用BCI系统之前的训练时间，而且有效地提高了识别精度和鲁棒性。
-
公开(公告)号：CN104537382A
公开(公告)日：2015-04-22
申请号：CN201510014792.2
申请日：2015-01-12
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于遗传算法优化支持向量机的下肢肌电信号步态识别方法。本发明通过遗传算法，对支持向量机的惩罚参数和核函数参数进行优化，从而优化支持向量机性能，提高支持向量机对基于肌电信号的下肢运动步态识别效率和准确率。首先，采用小波模极大值去噪方法对采集的下肢肌电信号进行消噪处理；其次，提取消噪后肌电信号的时域特征，形成特征样本；再次，利用遗传算法优化支持向量机参数，得到误差最小的一组最优参数，并利用此参数构造分类器；最后，把特征样本集输入优化后的分类器进行步态识别。本发明操作简单，计算快速，识别率高，在人体下肢运动步态识别领域具有应用价值和广阔前景。
-
公开(公告)号：CN110263620B
公开(公告)日：2021-06-01
申请号：CN201910371349.9
申请日：2019-05-06
Applicant: 杭州电子科技大学
IPC: G06K9/00
Abstract: 本发明公开一种基于L2,1偏标记学习的年龄估计方法。首先获取人脸数据集的特征矩阵和标签矩阵，然后构建该方法的目标函数。为了使样本的标签分布尽可能稀疏并且求解更加简单，在目标函数中嵌入了L2,1范数；为了使相邻样本的标签分布尽可能相似，采用了流形假设的思想，在目标函数中嵌入图正则项。接着利用交替迭代方法求解优化问题，得到判别系数A(t)。最后，利用判别系数A(t)估计给定的人脸测试样本的标签分布，依据概率最大原则判定其年龄。本发明一方面充分利用了特征空间潜在的有用信息，使相邻样本的标签分布尽可能接近，有效提高了方法的准确性和鲁棒性；另一方面能够实现对候选标记集合进行消歧，准确地估计出样本的标签。
-
Patent Agency Ranking
公开(公告)号：CN112288465A
公开(公告)日：2021-01-29
申请号：CN202011117305.2
申请日：2020-10-19
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于半监督聚类集成学习的客户细分方法，本发明首先收集客户的特征信息，将特征信息数字化，构建客户特征信息数据集；利用少量的标签样本来初始化聚类中心，并设置核模糊聚类算法的模糊度和高斯宽度两个参数，生成若干个差异性较大的基聚类；利用标签样本的聚类准确性来计算各基聚类的可信度；通过近邻法和各基聚类的可信度来构造质量函数；最后利用D‑S证据理论将质量函数进行证据融合，得到聚类结果。本发明将半监督集成学习引入到客户细分中，解决了算法参数敏感性的问题；利用了先验信息合理估计各基聚类的可信度，改变各基聚类在融合过程中所占的比重，解决了证据冲突问题，使得融合结果更加合理，提高了客户细分的准确性。
-
公开(公告)号：CN107618018B
公开(公告)日：2020-08-25
申请号：CN201711019198.8
申请日：2017-10-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于肌电的机械手动作速度比例控制方法；首先，通过肌电采集仪采集尺侧腕伸肌和桡侧腕屈肌的表面肌电信号，通过能量阈值法确定动作的起始位置和终止位置作为动作肌电信号，提取信号的平滑窗平均功率；用小波分析法对原始表面肌电信号进行多尺度分解，提取信号多尺度模糊熵特征，并和平均功率组成特征向量输入扩展的K最近邻模型分类器，识别手部动作，同时通过正交多项式拟合操作者与机械手动作速度，最终控制机械手以相应的速度完成相应的动作。本发明提高了人机交互的自然性和主动性，从而提高了操作的准确性和便捷性，降低了机械手操作的危险等级，使机械手可以完成相对复杂、危险的任务。
-
公开(公告)号：CN111166326A
公开(公告)日：2020-05-19
申请号：CN201911341281.6
申请日：2019-12-23
Applicant: 杭州电子科技大学
IPC: A61B5/0476 , G06F3/01
Abstract: 本发明公开一种基于自适应风险度的安全半监督学习的脑电信号识别方法。首先构建脑电信号数据库，进行预处理和特征提取，计算近邻图W，训练多类监督分类器并且得到未标记样本预测标签，利用l2，1范数构建目标函数，通过交替迭代优化方法寻找最优安全半监督分类器，利用安全半监督分类器对待识别样本进行识别。本发明提高半监督分类器增强了BCI系统的识别性能和鲁棒性。
-
公开(公告)号：CN106937872B
公开(公告)日：2019-11-12
申请号：CN201710262314.2
申请日：2017-04-20
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于回归曲线的步态双侧对称性评价方法。首先，利用加速度传感器获取步态运动时足部三轴加速度信息，并对获取的加速度信息进行消噪预处理；其次，提取消噪后的加速度信号，分别计算连续步态周期的双侧对称性指标，实现步态对称性的定量分析。本发明步态双侧对称性检测方法具有简便、准确的特点，在步态平衡能力分析等领域具有广阔的应用前景。
-
公开(公告)号：CN110263804A
公开(公告)日：2019-09-20
申请号：CN201910371366.2
申请日：2019-05-06
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于安全半监督聚类的医学影像分割方法，涉及半监督FCM聚类和密度峰值聚类方法。首先，采用k-近邻方法构造局部图，得到图正则项。其次，利用FCM聚类和密度聚类方法估计标记和未标记样本的置信度。然后，在原半监督FCM聚类方法的目标函数中引入样本的置信度加权和基于局部图的正则项，得到安全半监督聚类方法的目标函数。最后，通过迭代优化隶属度矩阵和聚类中心得到聚类结果。本发明解决了标记样本的安全使用问题，同时解决了未标记样本的安全使用问题，提高了对医学影像分割的准确性和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.022 seconds)
