-
公开(公告)号：CN116269386A
公开(公告)日：2023-06-23
申请号：CN202310232732.2
申请日：2023-03-13
Applicant: 中国矿业大学
Abstract: 本发明公开一种基于序数划分网络的多通道生理时间序列情绪识别方法，适用于人机交互下的不同情绪的识别。通过采集被试者不同情绪下的多通道生理时间序列，经过序数划分方法对其分别进行符号化进而构建序数划分网络，进一步将每条生理时间序列构成的序数划分网络看作节点，计算两两生理时间序列之间的差异性，并将其作为节点间的连边权重进而构造全连接无向加权网络，最后将不同情绪下的全连接无向加权网络作为图神经网络的输入进行分类。该方法结合序数划分网络与图神经网络，且融合了多元生理器官时间序列，且其计算简便步骤简单，对不同情绪都有很高的识别效率，能够有效地对人机交互活动提供帮助。
-
公开(公告)号：CN116269386B
公开(公告)日：2024-06-11
申请号：CN202310232732.2
申请日：2023-03-13
Applicant: 中国矿业大学
Abstract: 本发明公开一种基于序数划分网络的多通道生理时间序列情绪识别方法，适用于人机交互下的不同情绪的识别。通过采集被试者不同情绪下的多通道生理时间序列，经过序数划分方法对其分别进行符号化进而构建序数划分网络，进一步将每条生理时间序列构成的序数划分网络看作节点，计算两两生理时间序列之间的差异性，并将其作为节点间的连边权重进而构造全连接无向加权网络，最后将不同情绪下的全连接无向加权网络作为图神经网络的输入进行分类。该方法结合序数划分网络与图神经网络，且融合了多元生理器官时间序列，且其计算简便步骤简单，对不同情绪都有很高的识别效率，能够有效地对人机交互活动提供帮助。
-
公开(公告)号：CN115330874A
公开(公告)日：2022-11-11
申请号：CN202211070202.4
申请日：2022-09-02
Applicant: 中国矿业大学
Abstract: 本发明提供一种基于超像素处理遮挡的单目深度估计方法，属于计算机视觉领域，步骤一，图像预处理：对输入的双目图片进行图像去噪以及生成遮挡物体掩膜；步骤二，采用相机位姿估计进行位姿估计对图像进行重建：首先进行特征提取，相机位姿估计使用PoseCNN，之后将输入图像分为三个任务，分别为语义分割、三维旋转回归、三维平移估计；步骤三，采用深度估计网络进行深度估计对图像进行重建；步骤四，计算光度重建损失。使用光度重建损失来识别遮挡，可以有效去除影响网络训练的遮挡物体；图像输入网络之前，使用聚类分割，然后使用SSIM指标重新匹配双目图像对，网络预测的图像比较单一，提高了网络估计的准确率。
-
公开(公告)号：CN110445654B
公开(公告)日：2020-09-04
申请号：CN201910741261.1
申请日：2019-08-12
Applicant: 中国矿业大学
Abstract: 本发明涉及一种基于社区划分的社交网络多源谣言溯源方法及系统，属于社交网络分析技术领域，解决了现有技术溯源率较低、错误距离较大等问题。首先进行基于拓扑势的社区划分，得到有重合区域的多个社区，每个社区内的节点构成一个子网络，保存每个社区内节点的数量及名称；然后在每一子网络上运用单源谣言溯源方法，计算每一社区中的每个节点作为源节点的可能性；选择各社区中作为源节点可能性最大的节点，得到多源节点。实现了社交网络中感染部分多源节点的寻找，溯源率高，错误距离小。
-
公开(公告)号：CN117113171A
公开(公告)日：2023-11-24
申请号：CN202310965026.9
申请日：2023-08-02
Applicant: 中国矿业大学
IPC: G06F18/241 , G06F18/213 , G06N3/0464 , G06N3/08 , G06F123/02
Abstract: 本发明公开一种基于多元可视图神经网络模型的情绪识别方法，属于计算机情感识别技术领域。采集人体二十二个不同部位的电信号，并记录当前的影片的情感状态，对数据进行预处理形成N组二十二维时间序列，对于每一组数据利用可视图算法将二十二维时间序列转化为二十二张可视图，然后统计每张可视图的度分布情况，生成二十二维度分布序列。构建基于多元可视图的神经网络模型，多元可视图的神经网络模型通过学习不同通道间度分布关系以及原时间序列间时序特征来构成动态图，通过Adam算法来进行调节神经网络模型，模型训练完成后即可用以对输入数据进行情绪识别方法。其能够模拟出不同模态之间的复杂关系，能够有效提高识别准确度。
-
Patent Agency Ranking
公开(公告)号：CN116612896A
公开(公告)日：2023-08-18
申请号：CN202310236004.9
申请日：2023-03-13
Applicant: 中国矿业大学
Abstract: 本发明公开一种基于二元生理系统的动态相互作用网络分析方法，属于动态生理网络技术领域。选定二元器官系统，同步采集睡眠阶段这一生理状态转变前后的生理信号，利用滚动时间窗口进行分段预处理；选定两生理信号段为相互作用对，使用相关系列参数得到相互作用对的时间延迟序列，在此基础上评估相互作用的强度、方向等属性；以各时间窗口为层，每一层网络中的节点定义为该层所对应时刻的生理信号段，借助时间延迟序列特征建立有向加权连边，构建层内、层间链接，使用图论方法表征多层时序生理网络；分析生理状态转变前后二元器官系统间相互作用的强度变化、总体因果效应。其结构简单，使用方便，通过相互作用变化检测人体睡眠阶段变化。
-
公开(公告)号：CN115330874B
公开(公告)日：2023-05-16
申请号：CN202211070202.4
申请日：2022-09-02
Applicant: 中国矿业大学
IPC: G06T7/73 , G06N3/0464 , G06N3/08 , G06T5/00 , G06V10/26 , G06V10/74 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种基于超像素处理遮挡的单目深度估计方法，属于计算机视觉领域，步骤一，图像预处理：对输入的双目图片进行图像去噪以及生成遮挡物体掩膜；步骤二，采用相机位姿估计进行位姿估计对图像进行重建：首先进行特征提取，相机位姿估计使用PoseCNN，之后将输入图像分为三个任务，分别为语义分割、三维旋转回归、三维平移估计；步骤三，采用深度估计网络进行深度估计对图像进行重建；步骤四，计算光度重建损失。使用光度重建损失来识别遮挡，可以有效去除影响网络训练的遮挡物体；图像输入网络之前，使用聚类分割，然后使用SSIM指标重新匹配双目图像对，网络预测的图像比较单一，提高了网络估计的准确率。
-
公开(公告)号：CN113413158B
公开(公告)日：2022-08-02
申请号：CN202110588760.9
申请日：2021-05-28
Applicant: 中国矿业大学
Abstract: 一种基于多路可视图的健康与心脏疾病患者ECG信号识别方法，适用于临床心脏疾病的检测中使用。采集个体的十二导联ECG信号并组成十二维时间序列，利用可视图算法将十二维时间序列构造为多路可视图，计算层间互信息，并以其为对应连边权重，多路可视图中每一层为节点构造无向加权网络，分析不同尺度因子下的网络参数，寻找最佳序列长度；在此基础上，引入阈值参数，删除权值过小的连边重构加权网络，计算不同阈值下的网络参数，寻找最佳阈值，同时，根据网络参数的显著差异对健康和心脏疾病患者的ECG信号进行识别。其步骤简单，识别效率高，且通过十二导联进行分析，提高对人体生理信号内在机制分析的准确性和系统性。
-
公开(公告)号：CN109452938B
公开(公告)日：2020-06-09
申请号：CN201811640395.6
申请日：2018-12-29
Applicant: 中国矿业大学
IPC: A61B5/04 , A61B5/0402 , A61B5/0452 , G06K9/62 , G06N3/08
Abstract: 一种基于多尺度多重分形的HFECG信号特征频率检测方法，适用于心电信号的多尺度分析及有关疾病的检测中使用。采集HFECG信号并组成时间序列，对HFECG时间序列符号动力学运算并进行单峰映射，对一维符号序列进行非线性多尺度多重分形分析，计算一维符号序列在各尺度下的质量指数谱曲率参数，包括尺度因子的范围，根据尺度因子与特征频率得到所有HFECG信号的特征频率。有效通过一个频率尺度因子寻找与生命活动密切相关的多重分形特性谱参数，该参数对生理、病理活动状态具有敏感性。其步骤简单，检测效率高，能够有效提高临床上系统的诊断准确性。
-
公开(公告)号：CN110445654A
公开(公告)日：2019-11-12
申请号：CN201910741261.1
申请日：2019-08-12
Applicant: 中国矿业大学
Abstract: 本发明涉及一种基于社区划分的社交网络多源谣言溯源方法及系统，属于社交网络分析技术领域，解决了现有技术溯源率较低、错误距离较大等问题。首先进行基于拓扑势的社区划分，得到有重合区域的多个社区，每个社区内的节点构成一个子网络，保存每个社区内节点的数量及名称；然后在每一子网络上运用单源谣言溯源方法，计算每一社区中的每个节点作为源节点的可能性；选择各社区中作为源节点可能性最大的节点，得到多源节点。实现了社交网络中感染部分多源节点的寻找，溯源率高，错误距离小。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.025 seconds)
