-
公开(公告)号：CN110348321A
公开(公告)日：2019-10-18
申请号：CN201910526378.8
申请日：2019-06-18
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于骨骼时空特征及长短时记忆网络的人体动作识别方法。首先基于单帧内骨骼点的相对空间位置构建骨骼点的空间特征。其次基于传统光流法提出一种基于三维骨骼信息的光流特征计算方法。并将骨骼信息的光流特征作为骨骼点的时间特征。再次设计一种双流长短时记忆网络的人体动作识别模型，双流模型的两个通道分别输入骨骼信息的空间特征序列和时间特征序列。从而综合分析人体动作的时空特征，提高人体动作识别的准确率。最后构建带有时空特征的测试数据集和训练数据集，训练双流时空长短时记忆网络模型，并验证人体动作识别的准确率。
-
公开(公告)号：CN108937921A
公开(公告)日：2018-12-07
申请号：CN201810320573.0
申请日：2018-04-11
Applicant: 杭州电子科技大学
IPC: A61B5/0476 , A61B5/18
CPC classification number: A61B5/0476 , A61B5/18 , A61B5/7264
Abstract: 本发明公开了一种结合经验模态分解和能量谱密度的驾驶疲劳特征提取方法。本发明包含以下步骤：1、使用脑电采集设备采集驾驶脑电信号；2、对采集到的脑电信号进行预处理，包括降频、降噪；3、对预处理后的信号通过结合经验模态分解和能量谱密度的特征提取方法提取特征；4、对提取的特征使用分类器进行分类学习、识别。本发明使用结合经验模态分解和能量谱密度的驾驶疲劳特征提取方法对驾驶疲劳特征进行提取，可有效的提高后续的分类检测准确率。
-
公开(公告)号：CN108742613A
公开(公告)日：2018-11-06
申请号：CN201810571959.9
申请日：2018-05-30
Applicant: 杭州电子科技大学
IPC: A61B5/0488
CPC classification number: A61B5/0488 , A61B5/7203 , A61B5/725
Abstract: 本发明公开了基于传递熵与广义偏定向相干性的肌间耦合分析方法，旨在为了准确地分析不同运动模式下肌间功能耦合强度。针对传统的相干性分析法不能有效描述肌间耦合方向与非线性耦合特征，同时无法排除间接连接的影响，本发明将传递熵与广义偏定向相干性引入肌间耦合分析中，探讨上肢运动中相关肌肉处肌电信号在时频域内的肌间双向功能耦合特性。为深入探索中枢神经系统运动控制机制提供有效的观察手段，在康复医学领域具有重要的应用价值。
-
公开(公告)号：CN103699873A
公开(公告)日：2014-04-02
申请号：CN201310433056.1
申请日：2013-09-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于GA-BP神经网络下肢平地行走步态识别方法。本发明首先对采集到的下肢连续平地行走动作的四路表面肌电信号进行消噪滤波和时域特征值提取，得到其特征向量样本集。然后用GA对BP神经网络进行优化，得到BP神经网络误差最小的一组完整初始权值和阈值。最后将提取的特征值随机分成训练样本和测试样本两组，并用训练样本来训练GA优化之后的BP神经网络；用测试样本输入训练好的BP神经网络分类器，进行识别分类。采用本发明使得肌电信号的时域特征容易提取、特征明显、具有良好表达能力。
-
公开(公告)号：CN102722727B
公开(公告)日：2014-03-05
申请号：CN201210189995.1
申请日：2012-06-11
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于脑功能网络邻接矩阵分解的脑电特征提取方法。目前的运动想象脑电信号特征提取算法大多注重局部激活脑区的定性与定量分析，忽视了脑区之间的相互关系和整体协调性。本发明从脑功能网络角度出发，以基于图谱分析的复杂脑网络理论为基础，首先采用多通道运动想象脑电信号建立脑功能网络，然后对网络邻接矩阵进行奇异值分解，其次根据分解得到的奇异值定义一组特征参数来表示脑电信号的特征向量，最后将特征向量输入支持向量机分类器完成多类运动想象任务的分类识别。该方法在脑-机接口领域的运动想象任务识别中具有广阔的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN103054585A
公开(公告)日：2013-04-24
申请号：CN201310022821.0
申请日：2013-01-21
Applicant: 杭州电子科技大学
IPC: A61B5/11 , A61B5/0488
Abstract: 本发明提出了一种基于生物运动信息的上肢肩肘腕关节运动功能评价方法。本发明首先选择加速度信号和肌电信号作为上肢运动的生物运动信息。然后对加速度信号和肌电信号进行特征提取。在此基础上，从两方面对特征值进行筛选：针对不同类型的动作和针对执行动作能力的不同，根据信号特征的典型性和可区分性对特征进行筛选。最后利用两类信号的不同优势，将两类信号的特征值进行组合。以简式Fugl-Meyer评分值为标准，构建线性回归模型，进行多元信号特征的优化组合，以此作为上肢肩肘腕关节运动功能评价指标。本发明不仅可以进行在线的实时信息提取和评分检测，还能取代传统的上肢运动功能评价方法，更细致地对上肢运动功能进行量化评分。
-
公开(公告)号：CN101732110A
公开(公告)日：2010-06-16
申请号：CN200910154611.0
申请日：2009-11-19
Applicant: 杭州电子科技大学
IPC: A61F2/72
Abstract: 本发明涉及用于手部动作识别的脑电和肌电信号混沌特征融合方法。现有的方法识别率不高。本发明方法从混沌动力学系统角度提取脑电与肌电对应相应手部动作时混沌特征的两个参数：最大Lyapunov指数和关联维数，融合归一化后输入SVM分类器实现对手部动作的识别，具体包括三个步骤：(1)提取消噪后脑电和肌电信号混沌特征的最大Lyapunov指数和关联维数；(2)脑电和肌电信号特征参数融合和归一化处理；(3)采用支持向量机方法，得到手部动作分类识别的结果。本发明方法从混沌动力学系统角度对脑电和肌电信号进行了分析，提取了描述了对应手部动作混沌特征的特征参数，实现了对手部动作的识别，提高了识别率，为实际的应用提供了途径。
-
公开(公告)号：CN101497196A
公开(公告)日：2009-08-05
申请号：CN200910096414.8
申请日：2009-03-02
Applicant: 杭州电子科技大学
IPC: B25J7/00
Abstract: 本发明涉及平动匀速夹紧机械手爪。现有技术外形尺寸大、控制复杂度高。本发明包括步进电机、固定套筒、十字连杆和四个手指。十字连杆设置在固定套筒内，四个端部伸出导向槽设置，步进电机通过丝杆螺母运动副与十字连杆连接。四个手指分别与十字连杆的四个端部连接。手指包括指尖、限位连杆、移动连杆、斜撑架。移动连杆中的第二移动杆具有延伸部分，延伸部分为弧形，开有弧形滑槽，斜撑架上的固定销与弧形滑槽位置配合，弧形延伸部分利用弧形滑槽沿固定销移动。本发明采用单电机驱动，手爪的四个手指沿中心轴对称，当驱动电机匀速转动时，手爪指尖的夹紧或张开速度是均匀平动，有利于指尖与目标物体的接触与手爪对目标物体的整体抓握。
-
公开(公告)号：CN119397339A
公开(公告)日：2025-02-07
申请号：CN202411622630.2
申请日：2024-11-14
Applicant: 杭州电子科技大学
IPC: G06F18/24 , A61B5/00 , A61B5/1455 , A61B5/374 , G06N3/045 , G06F18/25 , G06N3/08 , G06F17/16 , G06F18/213 , G06N3/0464 , G06N3/048 , G06F18/22
Abstract: 本发明公开了基于特征解耦的EEG‑fNIRS深度融合的认知状态分类方法，该方法首先同步采集被试心算任务下的脑电信号EEG与功能性近红外光谱信号fNIRS数据，对采集到的两个数据进行预处理得到脑电信号数据和血红蛋白浓度变化数据。其次取脑电信号数据和血红蛋白浓度变化数据，通过时间窗进行数据增强后送入深度融合网络，获取EEG的公共特征和私有特征、fNIRS的初级特征；以及EEG分类结果、fNIRS分类结果及输出的融合分类结果。最后设计解耦损失和基于标签平滑策略的交叉熵损失，进行训练。本发明有效缓解fNIRS模态深度学习中的过拟合问题，能够准确的进行认知状态分类。
-
公开(公告)号：CN114254675B
公开(公告)日：2024-12-06
申请号：CN202111564016.1
申请日：2021-12-20
Applicant: 杭州电子科技大学
IPC: G06N3/096 , G06F18/213 , G06F18/23213 , G06F18/2431 , G06F18/214 , G06F18/21 , G06F18/22 , G06F3/01
Abstract: 本发明公开了一种基于相似矩阵的保持目标域局部结构的风格迁移方法。该方法首先对风格迁移的目标函数进行了修改，加入了保持目标域局部结构的正则项，然后依据该目标函数获得相对应的映射矩阵；其次，由于该项的加入增加了对于原目标函数的限制，因此可以在一定程度上减少参数更新对后续大量未知标签目标域数据的需求，更贴近实际运用。本发明相对于传统的风格迁移方法可以取得一定程度上较高的正确率以及较短的运算时间。
-
-
-
-
-
-
-
-
-
Search Results
151
records
(took 0.036 seconds)
