-
公开(公告)号：CN117349684B
公开(公告)日：2024-02-06
申请号：CN202311643300.7
申请日：2023-12-04
Applicant: 南京邮电大学
Abstract: 本发明属于生理信号处理和统计学领域，公开了一种基于向量排列最大距离的睡眠脑电分析方法，包括：步骤1、首先对睡眠脑电信号进行多维向量重构，得到重构向量序列；步骤2、计算重构向量序列中的任意向量之间的距离；步骤3、将睡眠脑电的重构向量转化为幅度排列类型，生成对应的排列序列；步骤4、基于最大距离和步的排列类型的向量相似性判定；步骤5、根据统计睡眠脑电相同向量的数量，然后实现睡眠脑电概率分布的估计；步骤6、睡眠脑电的动态熵值复杂度dynEn计算。本发明可以实现睡眠脑电更加准确的概率估计以及相关统计参数的计算。
-
公开(公告)号：CN104778475A
公开(公告)日：2015-07-15
申请号：CN201510145940.4
申请日：2015-03-30
Applicant: 南京邮电大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于环形区域最大频繁视觉单词的图像分类方法，主要解决现有分类模型不能充分表达图像所属类别共有特征以及分类精确度较低的问题。该方法实现步骤是：(1)建立自然场景图像的训练集和测试集；(2)对训练集图像提取SIFT特征点并优化；(3)利用均值聚类方法聚类优化后的特征点集得到视觉词典；(4)基于环形区域提取视觉单词最大频繁项集；(5)生成加权视觉单词直方图；(6)训练支持向量机实现自然场景图像的分类。本发明相较其他利用视觉词袋特征进行图像分类的方法，能够提高同类别图像视觉词袋的相似程度，而使不同类别的差异更显著，在一定程度上提高分类的精确度，具有较强的实用价值。
-
公开(公告)号：CN104778475B
公开(公告)日：2018-01-19
申请号：CN201510145940.4
申请日：2015-03-30
Applicant: 南京邮电大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于环形区域最大频繁视觉单词的图像分类方法，主要解决现有分类模型不能充分表达图像所属类别共有特征以及分类精确度较低的问题。该方法实现步骤是：(1)建立自然场景图像的训练集和测试集；(2)对训练集图像提取SIFT特征点并优化；(3)利用均值聚类方法聚类优化后的特征点集得到视觉词典；(4)基于环形区域提取视觉单词最大频繁项集；(5)生成加权视觉单词直方图；(6)训练支持向量机实现自然场景图像的分类。本发明相较其他利用视觉词袋特征进行图像分类的方法，能够提高同类别图像视觉词袋的相似程度，而使不同类别的差异更显著，在一定程度上提高分类的精确度，具有较强的实用价值。
-
公开(公告)号：CN117349684A
公开(公告)日：2024-01-05
申请号：CN202311643300.7
申请日：2023-12-04
Applicant: 南京邮电大学
Abstract: 本发明属于生理信号处理和统计学领域，公开了一种基于向量排列最大距离的睡眠脑电分析方法，包括：步骤1、首先对睡眠脑电信号进行多维向量重构，得到重构向量序列；步骤2、计算重构向量序列中的任意向量之间的距离；步骤3、将睡眠脑电的重构向量转化为幅度排列类型，生成对应的排列序列；步骤4、基于最大距离和步的排列类型的向量相似性判定；步骤5、根据统计睡眠脑电相同向量的数量，然后实现睡眠脑电概率分布的估计；步骤6、睡眠脑电的动态熵值复杂度dynEn计算。本发明可以实现睡眠脑电更加准确的概率估计以及相关统计参数的计算。
-
-
-
Search Results
4
records
(took 0.015 seconds)
