-
公开(公告)号：CN113807427A
公开(公告)日：2021-12-17
申请号：CN202111070317.9
申请日：2021-09-13
Applicant: 北京工业大学
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：CN113610067A
公开(公告)日：2021-11-05
申请号：CN202111178893.5
申请日：2021-10-11
Applicant: 北京工业大学
Abstract: 本公开提供了一种情绪状态展示方法、装置及系统，该方法包括：基于情绪刺激信号获取被测者的面部图像；将面部图像输入第一网络模型得到情绪指数；对面部图像进行特征提取得到表情特征图像；根据情绪指数对表情特征图像中感兴趣的区域进行增强得到目标特征图像；在面部图像上叠加目标特征图像得到用于展示情绪状态的表情模式图像。方该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，通过对面部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，通过在面部图像上叠加目标特征图像得到的表情模式图像能够直观地展示被测者的情绪状态。
-
公开(公告)号：CN104644173B
公开(公告)日：2017-06-20
申请号：CN201510018792.X
申请日：2015-01-14
Applicant: 北京工业大学 , 首都医科大学附属北京安定医院
Abstract: 本发明涉及一种抑郁风险三级预警方法及系统，所述方法包括：采集静息态和任务态的BOLD信号及其对应的时间序列；从BOLD信号中提取静息态BOLD值和任务态BOLD值；根据静息态BOLD值和任务态BOLD值生成静息态BOLD变化率曲线和任务态BOLD变化率曲线；对静息态BOLD变化率曲线和任务态BOLD变化率曲线进行向量分析以得到变化强度值||ΔG||和变化矢量角θ；根据变化强度值||ΔG||和变化矢量角θ与预设的变化强度阈值||ΔG||阈值和变化矢量角阈值θ阈值进行预警级别判定。本发明通过对人体与抑郁症有关的生理指标进行定量的分析，实现了对不同程度抑郁高危人群的预警，并且预警稳定性好、正确率高。
-
公开(公告)号：CN106682682A
公开(公告)日：2017-05-17
申请号：CN201610916399.7
申请日：2016-10-20
Applicant: 北京工业大学
CPC classification number: G06K9/6256 , G06K9/6269 , G06N3/006
Abstract: 本发明公开了一种基于粒子群优化算法对支持向量机的优化方法。本发明实施例公开了一种基于PSO算法对SVM分类模型的优化方法，属于计算机人工智能技术领域。本发明实施例一方面根据粒子适应度调节惯性权重，从而实现了惯性权重的自适应调整，增加了惯性权重的多样性，更好的平衡PSO算法全局探索能力和局部搜索能力，另一方面，通过利用搜索成功的粒子的位置计算出的阈值作为变异条件，能更好地控制粒子变异的时机，粒子经过变异后，粒子跳出局部最优解的能力得到提升，有利于对支持向量机参数的最优值寻优，以提高SVM算法的分类准确率。本发明通过对SVM分类模型的参数的优化，提高了SVM分类模型分类的准确率，促进SVM分类模型在模式识别、系统控制、生产调度、计算机工程以及电子通信领域更加广泛的应用。
-
公开(公告)号：CN104504404A
公开(公告)日：2015-04-08
申请号：CN201510037404.2
申请日：2015-01-23
Applicant: 北京工业大学
CPC classification number: G06K9/62 , G06K9/6269 , G06K9/00597
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，根据所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，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。
-
Patent Agency Ranking
公开(公告)号：CN104173063A
公开(公告)日：2014-12-03
申请号：CN201410441421.8
申请日：2014-09-01
Applicant: 北京工业大学
IPC: A61B5/16
CPC classification number: A61B5/168 , A61B3/0025 , A61B3/112 , A61B3/113 , A61B5/1072 , A61B5/1075 , A61B5/1079 , A61B5/11 , A61B5/7225
Abstract: 本发明提供了一种视觉注意的检测方法和系统。所述方法和系统通过采集视觉注意过程中各个注视点的时间序列和对应的瞳孔直径序列，根据所述时间序列和瞳孔直径序列的对应关系绘制注意变化曲线，根据预设时间参数和预设瞳孔直径参数将所述注意变化曲线划分为四个注意阶段，进而基于持续时间和瞳孔变化率对每个所述注意阶段进行数值分析，可以实现对视觉注意的各个阶段进行定量计算，能够全面、系统、定量地刻画注意的变化过程。
-
公开(公告)号：CN104008393A
公开(公告)日：2014-08-27
申请号：CN201410209254.4
申请日：2014-05-17
Applicant: 北京工业大学
CPC classification number: G06K9/6269 , G06K9/0061 , G06K9/42 , G06K9/6232
Abstract: 一种用于认知状态识别的特征分组归一化方法涉及模式识别领域的特征归一化问题，其步骤为：(1)特征数据分组；(2)任选一个归一化函数，计算出各分组对应的归一化函数的参数；(3)构建分组归一化函数，将各分组对应的归一化函数的参数代入其函数内，得到各个分组的归一化映射关系；(4)分组归一化处理，每个分组使用对应的归一化函数进行特征数据变换，特征归一化结束。特征整体归一化方法只能解决特征之间数据分布的多样性问题，不能解决特征内部数据分布差异过大的问题，本发明提出的分组归一化方法既保留了特征整体归一化方法的优点，同时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，本发明提出的特征分组归一化方法具有很强的鲁棒性。
-
公开(公告)号：CN113855021B
公开(公告)日：2023-08-18
申请号：CN202111179593.9
申请日：2021-10-11
Applicant: 北京工业大学
IPC: A61B5/16
Abstract: 本公开提供了一种抑郁倾向评估方法及装置，该方法包括：获取被测者做出情绪决策的反应时间；对反应时间进行特征提取，得到原始特征参数；对原始特征参数进行降维处理得到评估特征参数；将评估特征参数输入预训练的超限学习机模型得到抑郁倾向指数。该方法通过被测者做出情绪决策的反应时间进行抑郁倾向评估能够增加对情绪和反应速度的关注度。与相关技术中的人工评估相比降低主观因素影响，与相关技术中通过生理信号进行评估相比降低了环境及设备噪声，有利于提高抑郁倾向评估的准确性。
-
公开(公告)号：CN113855021A
公开(公告)日：2021-12-31
申请号：CN202111179593.9
申请日：2021-10-11
Applicant: 北京工业大学
IPC: A61B5/16
Abstract: 本公开提供了一种抑郁倾向评估方法及装置，该方法包括：获取被测者做出情绪决策的反应时间；对反应时间进行特征提取，得到原始特征参数；对原始特征参数进行降维处理得到评估特征参数；将评估特征参数输入预训练的超限学习机模型得到抑郁倾向指数。该方法通过被测者做出情绪决策的反应时间进行抑郁倾向评估能够增加对情绪和反应速度的关注度。与相关技术中的人工评估相比降低主观因素影响，与相关技术中通过生理信号进行评估相比降低了环境及设备噪声，有利于提高抑郁倾向评估的准确性。
-
公开(公告)号：CN113610067B
公开(公告)日：2021-12-28
申请号：CN202111178893.5
申请日：2021-10-11
Applicant: 北京工业大学
Abstract: 本公开提供了一种情绪状态展示方法、装置及系统，该方法包括：基于情绪刺激信号获取被测者的面部图像；将面部图像输入第一网络模型得到情绪指数；对面部图像进行特征提取得到表情特征图像；根据情绪指数对表情特征图像中感兴趣的区域进行增强得到目标特征图像；在面部图像上叠加目标特征图像得到用于展示情绪状态的表情模式图像。方该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，通过对面部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，通过在面部图像上叠加目标特征图像得到的表情模式图像能够直观地展示被测者的情绪状态。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.022 seconds)
