-
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：CN115718867A
公开(公告)日：2023-02-28
申请号：CN202211438097.5
申请日：2022-11-16
Applicant: 中国矿业大学
IPC: G06F18/213 , A61B5/346 , G06F16/2458 , G06F18/2415 , G06F18/214 , G16H50/20 , G06F18/10
Abstract: 本发明公开了一种基于shapelet将心电信号转换成图结构的分类方法，属于心跳信息分析技术领域。获取心电信号数据集，用小波变换去噪算法对心电信号降噪处理，采用小波模极大值结合可变阈值法对降噪处理的信号处理,利用获得的心电信号R波峰位置信息，采用shapelet算法提取每个信号周期的P‑QRS‑T波段的shapelet特征序列,将提取的心电信号shaplet特征构建做为图结构的每一个节点，并利用每个特征之间的权重来构造图的每一个边，从而构建有向加权图，设置图卷积神经网络参数，将构造的图数据输入到模型中进行训练学习，利用Softmax函数获得各个特征序列的概率分布，从而达到识别的效果，将心电信号提取shapelet特征序列转换成图结构明显提升了分类的准确度。
-
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。
-
-
Search Results
3
records
(took 0.016 seconds)
