-
Patent Agency Ranking
公开(公告)号：CN109426827B
公开(公告)日：2021-05-07
申请号：CN201710743558.2
申请日：2017-08-25
Applicant: 中国科学院计算技术研究所
IPC: G06K9/62
Abstract: 本发明涉及一种面向用户日常行为的传感器协同感知方法。该方法将行为感知分为行为识别和状态监测两个子任务，行为识别采用多类分类器进行建模，而状态监测过程仅需要激活部分传感器，并采用轻量级的二类分类器进行建模，从而降低了整体功耗。本发明从用户日常行为的持续特性出发，在识别出特定日常行为后调用轻量级的状态监测模型判断当前行为是否发生变化，不仅能够对行为进行有效感知，同时能够降低感知过程中的资源和能源消耗。
-
公开(公告)号：CN111967495A
公开(公告)日：2020-11-20
申请号：CN202010639556.0
申请日：2020-07-06
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种分类识别模型构建方法，用于构建用于小样本目标域的分类识别模型，包括如下步骤：S1、获得一个源域模型，其中所述源域模型是利用源域数据集训练集成模型生成的，所述源域模型包括多个个体分类器；S2、基于源域模型中每个个体分类器对源域数据集和目标域数据集的信息增益确定该个体分类器的特征信息增益评估指标；S3、基于每个分类器对应的特征信息增益评估指标采用预设调整策略对每个分类器进行重构，所有重构后的分类器组成目标域分类识别模型。本发明综合考虑了当前源域模型对目标域数据的分割准确度，及当前源域模型是否覆盖目标域中具有重要参考价值的属性特征，能够适应于样本数量小、标注困难的医疗诊断场景。
-
公开(公告)号：CN111046731A
公开(公告)日：2020-04-21
申请号：CN201911094608.4
申请日：2019-11-11
Applicant: 中国科学院计算技术研究所
IPC: G06K9/00
Abstract: 一种基于表面肌电信号进行手势识别的迁移学习方法，该方法以下步骤：采集新用户不同手势的表面肌电信号；将有标注的已有用户的不同手势的表面肌电信号数据作为源域数据，无标注的新用户的不同手势的表面肌电信号数据作为目标域数据，对新用户的不同手势的表面肌电信号数据进行分类并将其划分为候选集和残余项；将所述候选集作为源域数据，所述残余项作为目标域数据，对残余项中新用户的不同手势的表面肌电信号数据进行再次分类。
-
公开(公告)号：CN109426827A
公开(公告)日：2019-03-05
申请号：CN201710743558.2
申请日：2017-08-25
Applicant: 中国科学院计算技术研究所
IPC: G06K9/62
Abstract: 本发明涉及一种面向用户日常行为的传感器协同感知方法。该方法将行为感知分为行为识别和状态监测两个子任务，行为识别采用多类分类器进行建模，而状态监测过程仅需要激活部分传感器，并采用轻量级的二类分类器进行建模，从而降低了整体功耗。本发明从用户日常行为的持续特性出发，在识别出特定日常行为后调用轻量级的状态监测模型判断当前行为是否发生变化，不仅能够对行为进行有效感知，同时能够降低感知过程中的资源和能源消耗。
-
公开(公告)号：CN107518896A
公开(公告)日：2017-12-29
申请号：CN201710565772.3
申请日：2017-07-12
Applicant: 中国科学院计算技术研究所
IPC: A61B5/0488
CPC classification number: A61B5/0488 , A61B5/04012 , A61B5/6802 , A61B5/6824 , A61B5/7221 , A61B5/7267
Abstract: 本发明涉及一种肌电臂环佩戴位置预测方法，包括如下步骤：细粒度特征提取步骤，是基于经验模态分解算法，将肌电信号分解为本征模函数分量并对该肌电信号及该分量分别提取时域、频域特征组成位置预测样本；佩戴位置预测步骤，通过肌电臂环采集当前时刻肌电信号，提取该信号细粒度特征，经位置预测模型获取当前时刻的位置预测概率向量，再融合当前时刻之前的历史时刻位置预测概率向量，计算生成当前佩戴位置预测结果。本发明能够提升佩戴位置的预测精度，降低预测误差，具有精准度高、稳定性强的优势。
-
-
-
-
Search Results
45
records
(took 0.037 seconds)
