-
公开(公告)号：CN111461176B
公开(公告)日：2023-03-21
申请号：CN202010156708.1
申请日：2020-03-09
Applicant: 华南理工大学
Abstract: 本发明提供了一种基于归一化互信息的多模态融合方法、装置、介质及设备；其中方法包括如下步骤：获取采集人体的多种模态数据集，各种模态数据集中的数据分别带有标签；对各种模态数据集进行预处理；将预处理后的各种模态数据集分别进行特征提取；通过宽度学习系统得到各个模态数据集的宽度学习特征映射；确定归一化互信息的多模态融合方式；将宽度学习系统进行训练和测试；根据训练和测试好的多模态融合方式和判别架构模型来进行模态特征融合和最终的判决输出。本发明训练速度快，资源消耗少，能快速构建增量学习模型；可实现模态间的信息互补减少冗余模态信息；具有良好的可靠性、准确性和鲁棒性。
-
公开(公告)号：CN120036786A
公开(公告)日：2025-05-27
申请号：CN202510094793.6
申请日：2025-01-21
Applicant: 华南理工大学
IPC: A61B5/16 , A61B5/372 , A61B5/00 , G06F18/213 , G06F18/23 , G06F18/25 , G06F18/241 , G16H50/30 , G06F16/901
Abstract: 本发明公开了一种抑郁检测方法、系统、设备及介质，其中，该方法获取待抑郁检测的脑电数据；对所述脑电数据进行聚类图构建，得到聚类模块图，所述聚类模块图包括若干个聚类模块节点，每个所述聚类模块节点用于表征所述脑电数据中具有相同聚类中心的若干个脑电信号通道；对所述脑电数据进行拓扑图构建，得到拓扑表示图；根据所述聚类模块图，对所述拓扑表示图进行多层图交互融合，得到交互融合图特征；对所述交互融合图特征进行特征分类，得到所述脑电数据的抑郁检测结果。该方法可以提高抑郁检测的准确性和适应性。本发明涉及脑电数据分析技术领域。
-
Patent Agency Ranking
公开(公告)号：CN111461176A
公开(公告)日：2020-07-28
申请号：CN202010156708.1
申请日：2020-03-09
Applicant: 华南理工大学
IPC: G06K9/62
Abstract: 本发明提供了一种基于归一化互信息的多模态融合方法、装置、介质及设备；其中方法包括如下步骤：获取采集人体的多种模态数据集，各种模态数据集中的数据分别带有标签；对各种模态数据集进行预处理；将预处理后的各种模态数据集分别进行特征提取；通过宽度学习系统得到各个模态数据集的宽度学习特征映射；确定归一化互信息的多模态融合方式；将宽度学习系统进行训练和测试；根据训练和测试好的多模态融合方式和判别架构模型来进行模态特征融合和最终的判决输出。本发明训练速度快，资源消耗少，能快速构建增量学习模型；可实现模态间的信息互补减少冗余模态信息；具有良好的可靠性、准确性和鲁棒性。
-
公开(公告)号：CN117694902A
公开(公告)日：2024-03-15
申请号：CN202311503175.X
申请日：2023-11-10
Applicant: 华南理工大学
IPC: A61B5/369 , A61B5/372 , A61B5/16 , A61B5/00 , G06F18/241 , G06F18/2431 , G06F18/213 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于双域注意力机制的脑电情绪识别方法、装置及介质，属于脑电信号识别技术领域。其中方法包括：获取脑电数据，对脑电数据进行预处理；将预处理后的脑电数据输入预设的脑电情绪识别模型，输出识别的情绪类别；脑电情绪识别模型包括双域注意力模块和自适应图卷积网络模块，双域注意力模块用于通过空域注意力机制和频域注意力机制学习到通道和频段的重要性；自适应图卷积网络模块用于根据通道和频段的重要性构建自适应图神经网络，并得到最后的情绪类别输出。本发明利用双域注意力机制学习到的重要性参数作为依据，构建自适应图神经网络，可以适应个体差异，使得模型具有更强的泛化性，提高了脑电情绪识别的准确率。
-
公开(公告)号：CN108888281A
公开(公告)日：2018-11-27
申请号：CN201810937534.5
申请日：2018-08-16
Applicant: 华南理工大学
Abstract: 本发明提供一种精神状态评估方法、设备及系统，涉及精神状态评估技术领域。该精神状态评估方法包括：在预设时间内采集待评估人员的音频数据和视频数据；提取音频数据和视频数据中待评估人员的多模态生理特征，多模态生理特征包括：面部瞳孔数据特征、语音数据特征以及心率和心率变异性数据特征；根据多模态生理特征和预设的关联模型，输出待评估人员的精神状态评估结果，所述关联模型为基于神经网络或SVM支持向量机对不同精神状态下的个体数据进行分类的训练模型。该精神状态评估方法能够灵活适用于多种设备，对不同场合人员中的精神状态进行评估。
-
公开(公告)号：CN120067677A
公开(公告)日：2025-05-30
申请号：CN202510094792.1
申请日：2025-01-21
Applicant: 华南理工大学
IPC: G06F18/214 , A61B5/16 , A61B5/372 , A61B5/374 , A61B5/00 , G06F18/213 , G06F18/25 , G16H50/30 , G16H20/70 , G16H50/70 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/084 , G06F123/02
Abstract: 本发明公开了一种抑郁检测模型的训练方法、检测方法及系统，其中，该训练方法包括获取脑电训练数据；对所述脑电训练数据进行频谱特征提取，得到频谱特征集；对所述脑电训练数据进行时序特征提取，得到时序特征集；对所述频谱特征集进行频谱代理图学习，得到频谱编码表示，以及对所述时序特征集进行时序代理图学习，得到时序编码表示；根据所述频谱编码表示，对所述时序编码表示进行双域特征融合，得到双域融合特征；根据所述双域融合特征，对初始化的抑郁检测模型进行参数更新，得到训练好的抑郁检测模型。该训练方法可以提供一种抑郁检测模型，其有利于提高抑郁检测的客观性、检测效率和检测准确度。本发明涉及人工智能技术领域。
-
公开(公告)号：CN119917993A
公开(公告)日：2025-05-02
申请号：CN202411775543.0
申请日：2024-12-05
Applicant: 华南理工大学
IPC: G06F18/25 , G06F18/10 , G06F18/213 , G06F18/21 , G06N3/0455 , G06N3/082
Abstract: 本发明公开了一种基于离散小波变换的脑电特征增强方法、装置、设备及介质，其中方法包括：获取脑电数据，对脑电数据进行预处理，获得脑电信号；对脑电信号进行离散小波分解，获得近似信号与细节信号；对近似信号与细节信号分别进行切片操作，并进行特征提取，获得细节信号特征和近似信号特征；将细节信号特征进行特征增强处理后，与近似信号特征进行拼接，得到增强特征；将原始特征与增强特征分别输入模型，对模型进行训练；其中，使用一致性约束让原始特征的分类结果与增强特征的分类结果互相逼近。本发明通过使用离散小波变换对信号进行分解后再增强，避免增强破坏类别相关特征，增强模型的泛化性。本发明可广泛应用于脑电领域。
-
-
-
-
-
-
Search Results
7
records
(took 0.014 seconds)
