-
公开(公告)号：CN112932502B
公开(公告)日：2022-05-03
申请号：CN202110143740.0
申请日：2021-02-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种结合互信息通道选择与混合神经网络的脑电情感识别方法，首先提取脑电信号各通道中γ节律的微分熵(DE)特征，通过DE计算通道间相互的归一化互信息(NMI)，将所得NMI矩阵按列求和后的向量作为表征各通道任务相关性的权值，根据权值选出最优通道集，之后采用卷积神经网络(CNN)和长短期记忆网络(LSTM)相结合的混合深度神经网络(HDNN)进行样本特征提取和分类。该方法选出的通道数量适中，分布合理，通道选择结合混合深度神经网络后一定程度的提高了情感BCI系统的分类性能，为情感脑电识别领域提供了一种新思路。
-
公开(公告)号：CN112084879B
公开(公告)日：2022-04-19
申请号：CN202010817684.X
申请日：2020-08-14
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种运动想象脑电的块选择共空间模式特征提取方法，本发明首先以每个通道划分频带来构建数据块的方式对原始数据进行预处理，其次对每个块进行块的相关性计算以得到表征分类性能的指标Fisher比，然后根据该指标及合理阈值实现对数据块的选择，最后用CSP和SVM对最优块组成的数据进行特征提取与分类。本发明选出来的块能有效地避免不同个体以及不同通道间的差异性，且块所属的通道分布合理，数量适中，一定程度上提高了BCI系统的分类性能，为脑电信号的特征提取提供了新的思路。
-
公开(公告)号：CN114145752A
公开(公告)日：2022-03-08
申请号：CN202111234957.9
申请日：2021-10-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于小波变换的多模态脑机接口数据融合方法，本发明首先对EEG信号、fNIRS信号进行小波分解，再将两组小波系数通过基于Fisher值的融合规则生成新的小波系数，然后通过小波重构得到融合信号，最后提取融合信号的共空间模式(CSP)特征，利用线性判别分析(LDA)进行分类。本发明能够有效提升BCI系统的计算效率，一定程度上提高了系统的分类精度，为脑电与功能性近红外光谱多模态数据融合提供了新思路。
-
公开(公告)号：CN113288150A
公开(公告)日：2021-08-24
申请号：CN202110712331.8
申请日：2021-06-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基疲劳脑电信号组合特征的通道选择方法。针对现有技术的问题，提出的技术方案为：首先使用脑电采集设备采集疲劳驾驶信号，选取大脑皮层上能显著反映疲劳状态的电极通道并预处理；通过集合经验模态分解所获得的有限个本征模函数的功率谱值作为特征，并将样本熵作为辅助特征，再通过本文提出的通道选择方法分别筛选出在功率谱值和样本熵值作为特征下的理想通道；最后使用多层感知超限学习机和使用粒子群优化算法优化后的多层感知超限学习机分别对筛选出的理想通道数据进行二分类。本发明使用了组合特征提高了通道选择算法的泛化能力，最终使用了最优通道相比于全通道大幅提高了准确率。
-
公开(公告)号：CN113288146A
公开(公告)日：2021-08-24
申请号：CN202110579198.3
申请日：2021-05-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于时‑空‑频联合特征的脑电情感分类方法，将不同通道的微分熵特征转换成一种四维数据结构，之后采用VGG16和长短时记忆网络相结合的深度神经网络模型进行样本的空间和时间信息学习，将LSTM最后一个节点的隐藏层输出到一个线性转换分类器中执行分类。所提方法在DEAP和SEED数据集上都达到了良好的效果，与现有方法相比，验证了时‑空‑频特征对情感识别的有效性。
-
Patent Agency Ranking
公开(公告)号：CN113159207A
公开(公告)日：2021-07-23
申请号：CN202110469438.4
申请日：2021-04-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于二维字典优化的稀疏表示分类方法，本发明从二个维度对字典进行优化，以提高SRC分类的准确性。首先对运动想象脑电数据进行时间窗截取、带通滤波分频带等预处理，并使用FBCSP方法提取多频带特征从而构建初始字典；一方面使用LASSO回归对原子中的特征进行同步选择，以实现字典的水平优化；另一方面使用基于KNN的方法计算字典中每个原子的离群值，并设置合理阈值进行原子清洗，以实现字典的垂直优化。最后基于经二维优化后的字典，使用SRC方法进行分类，在公共数据集上进行验证，并与传统方法和现有方法进行比较，均取得了不错的结果。其增强了对MI任务的解码，为BCI系统的设计提供理论支持和新方法。
-
公开(公告)号：CN113157096A
公开(公告)日：2021-07-23
申请号：CN202110453320.2
申请日：2021-04-26
Applicant: 杭州电子科技大学
Abstract: 本发明提出一种基于深度子域关联适应网络的脑电情感迁移方法。首先根据样本标签将源域和目标域划分为子领域，通过深度神经网络同时提取源域和目标域特征后，使用多核高斯函数将特征样本映射至再生核希尔伯特空间得到不同域样本之间的距离度量，之后根据标签和度量值计算源域和目标域中同类子域样本之间的关联循环损失，最后通过反向传播算法最小化源域分类损失与关联循环损失的和，达到域适应的效果。本发明为后续深度迁移学习算法的改进提供了新思路。
-
公开(公告)号：CN112604163A
公开(公告)日：2021-04-06
申请号：CN202011609685.1
申请日：2020-12-30
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于经颅直流电刺激的辅助记忆系统。包括电刺激仪、采集装置和训练装置。训练装置针对不同的工作记忆子成分选用不同的记忆负载材料，设计了三种不同模式的训练。采集装置采集使用者经电刺激前后在不同训练模式中的脑电信息，对比统计，为电刺激仪的电极摆放位置、刺激时长、电流密度提供参考。电刺激仪对相应脑区进行最大程度的激活，配合不同模式的训练，提高工作记忆的效果。在电刺激结束后，再进行一次无电刺激的训练，可以将电刺激带来的提升效果延伸至在脱离电刺激后。
-
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：CN111914708A
公开(公告)日：2020-11-10
申请号：CN202010715929.8
申请日：2020-07-23
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种迁移半监督宽度学习的脑电信号分类方法。本发明使用迁移学习方法对源域和目标域进行最小化最大均值差异。接着使用最大均值差异适配源域和目标域的条件概率分布。进而对JDA方法处理后的无标签样本和有标签样本送入流形正则BLS分类器进行迁移半监督宽度学习分类器的训练。最后对构建的迁移半监督模型进行测试，并与其他方法进行对比。本发明在脑电信号处理、脑机接口系统中具有广阔的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
151
records
(took 0.03 seconds)
