-
公开(公告)号：CN114580464B
公开(公告)日：2025-05-09
申请号：CN202210126540.9
申请日：2022-02-10
IPC: G06F18/2134 , G06F18/213 , G06F18/10 , A61B5/0205
Abstract: 本发明公开了一种基于变分模态分解(VMD)和约束独立分量分析(cICA)的人体心率变异性(HRV)与呼吸率(RR)测量方法，该方法对人体面部视频数据进行像素相干平均运算，将其转化为RGB观测信号，并对RGB观测信号进行预处理操作以实现标准化。接着对G通道信号使用VMD算法进行4通道分解，以分解出的4通道分量中频谱峰值最大的分量为基础求出血流量脉冲(BVP)的参考信号。基于该参考信号，使用cICA算法从RGB观测信号中分离出BVP源信号，并运用VMD算法对BVP源信号进行4通道分解，从分离出的4通道分量中提取出优质脉搏波成分，进一步求得HRV参数和RR。本发明能够回避传统盲源分离/独立分量分析算法中固有的源排序模糊问题，并具备较好的抗噪声干扰性，在该领域具有较好的应用前景。
-
公开(公告)号：CN119647476A
公开(公告)日：2025-03-18
申请号：CN202411779498.6
申请日：2024-12-05
Applicant: 安徽大学 , 安徽省安庆市中级人民法院 , 北京华宇信息技术有限公司
IPC: G06F40/295 , G06N3/0442 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明涉及一种少样本的司法庭审文件实体提取方法、系统及存储介质。少样本的司法庭审文件实体提取方法包括将司法庭审文件以句子为单位输入到语言处理模型中生成三个嵌入向量：上下文相关的嵌入特征向量#imgabs0#单词的词性嵌入特征向量#imgabs1#和模式特征嵌入特征向量#imgabs2#三个嵌入向量集合成特征融合向量ti；将特征融合向量ti输入到BiLSTM模型得到包含双向序列信息的特征融合向量ti′，将特征融合向量ti′输入到前馈神经网络中进行BIEOU标签预测。本发明采用数据增强技术扩充训练数据集，将增强后的数据与原始数据混合，从而解决了司法庭审文件民事起诉状中训练样本不足的问题。同时根据预测序列和实体类型序列能够实现对司法文件中各类实体的精准识别。
-
公开(公告)号：CN119598136A
公开(公告)日：2025-03-11
申请号：CN202510142637.2
申请日：2025-02-10
Applicant: 安徽大学
Abstract: 本发明公开了一种脑电多指标网络规范化建模方法，包括以下步骤：S1：采用基于大规模全生命周期多国家脑电交叉谱数据集作为原始脑电数据，计算原始脑电数据的交叉谱矩阵，并对原始脑电交叉谱矩阵进行预处理；S2：利用预处理后的原始脑电交叉谱矩阵构建加权无向网络，作为脑功能网络；S3：计算所述脑功能网络的脑网络功能整合、功能分离及中心性三个维度的网络特征，并建立所述网络特征的演化轨迹；S4：设计一个具有可解释性的轻量级神经网络回归模型，对脑功能网络的上三角元素进行重构得到完整的脑功能网络，即此年龄对应的规范化脑功能网络。还公开了一种脑电多指标网络规范化建模系统。本发明能更准确地反映脑功能网络的原理。
-
公开(公告)号：CN118916788B
公开(公告)日：2024-12-10
申请号：CN202411405827.0
申请日：2024-10-10
Applicant: 安徽大学
IPC: G06F18/2415 , G06F18/214
Abstract: 本发明公开了一种跨被试小样本学习的运动想象识别方法，其特征在于，包括以下步骤：S1：获取多个受试者的脑电信号，划分为训练集和目标域数据并进行数据预处理；S2：将训练集和目标域数据合称为支持集，对训练集和支持集使用数据增强技术生成混合集；S3:通过预训练阶段利用大量标注数据训练初始模型；S4：利用混合集和支持集通过双重损失函数对所述预训练模型进行微调；S5：通过迭代训练使总损失函数值收敛，得到一个针对目标受试者准确率高的运动想象跨被试识别模型。还公开了一种跨被试小样本学习的运动想象识别系统。本发明通过生成具有代表性的合成数据，结合目标域数据进行训练，能够显著提升运动想象跨被试的分类准确率。
-
公开(公告)号：CN118693777B
公开(公告)日：2024-11-15
申请号：CN202411156151.6
申请日：2024-08-22
Applicant: 安徽大学 , 国网安徽省电力有限公司芜湖供电公司 , 合肥圣创达电气有限公司
Inventor： 张志富 , 覃启铭 , 陆振坤 , 朱军 , 余荣峥 , 洪云凤 , 潘桂军 , 王鹏 , 王云承 , 潘翔 , 夏友斌 , 李卓 , 张振兴 , 吕钊 , 王洵阳 , 程寅 , 葛梦梅 , 许明海 , 王亚
Abstract: 本发明公开了一种基于并联型直流电源的电力系统紧急运维方法和系统，方法包括：基于电力系统的负荷需求和运维电流确定所需要的蓄电池数量构建并联型直流电源；构建电力系统对应的网络拓扑图，采集实时运行参数并确定异常节点；当异常节点为电源端时，进行电源内部网络重构；当异常节点为负载端时，确定电力系统异常状态类型；当异常状态确定为隐患状态时，确定隐患影响范围，对网络拓扑图进行局部重构；当异常状态确定为故障状态时，切除异常节点，对网络拓扑图进行全局重构。本发明通过设计并联型电源为紧急运维提供了基础，对不同程度的异常情况采用了不同的紧急运维方法，使得系统实现预先调整、快速重构的紧急运维需求。
-
Patent Agency Ranking
公开(公告)号：CN118709069A
公开(公告)日：2024-09-27
申请号：CN202410702331.3
申请日：2024-06-02
Applicant: 安徽大学
IPC: G06F18/2415 , A61B5/369 , A61B5/00 , G06F18/2431 , G06F18/213 , G06F18/214 , G06N3/045 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了一种联合全域和子域适应的多尺度运动想象跨被试识别方法和系统，方法包括：将多个受试者的脑电信号划分为源域与目标域数据并预处理；采用多尺度特征提取单元获取时空特征；引入全局域分类器训练域判别，对齐边缘分布；引入子域域分类器学习局部域迁移，对齐条件分布；利用经过两次对齐后的时空特征训练深层分类器；通过迭代训练使得总损失函数值收敛得到运动想象跨被试识别模型。本发明结合了多尺度卷积层来捕获时空结构信息，全局域分类器来减少跨域的边缘分布偏移，以及子域域分类器来对齐相关子域在源域和目标域的条件分布偏移，通过捕获细粒度信息来扩展域适应网络能力，能够显著提高运动想象识别技术的准确率。
-
公开(公告)号：CN118693777A
公开(公告)日：2024-09-24
申请号：CN202411156151.6
申请日：2024-08-22
Applicant: 安徽大学 , 国网安徽省电力有限公司芜湖供电公司 , 合肥圣创达电气有限公司
Inventor： 张志富 , 覃启铭 , 陆振坤 , 朱军 , 余荣峥 , 洪云凤 , 潘桂军 , 王鹏 , 王云承 , 潘翔 , 夏友斌 , 李卓 , 张振兴 , 吕钊 , 王洵阳 , 程寅 , 葛梦梅 , 许明海 , 王亚
Abstract: 本发明公开了一种基于并联型直流电源的电力系统紧急运维方法和系统，方法包括：基于电力系统的负荷需求和运维电流确定所需要的蓄电池数量构建并联型直流电源；构建电力系统对应的网络拓扑图，采集实时运行参数并确定异常节点；当异常节点为电源端时，进行电源内部网络重构；当异常节点为负载端时，确定电力系统异常状态类型；当异常状态确定为隐患状态时，确定隐患影响范围，对网络拓扑图进行局部重构；当异常状态确定为故障状态时，切除异常节点，对网络拓扑图进行全局重构。本发明通过设计并联型电源为紧急运维提供了基础，对不同程度的异常情况采用了不同的紧急运维方法，使得系统实现预先调整、快速重构的紧急运维需求。
-
公开(公告)号：CN118550404A
公开(公告)日：2024-08-27
申请号：CN202410477332.2
申请日：2024-04-19
Applicant: 安徽大学
IPC: G06F3/01 , A61B5/374 , A61B5/375 , A61B5/291 , A61B5/256 , A61B5/16 , A61B5/00 , G16H20/70 , G06F18/213 , G06N3/04 , G06N3/092
Abstract: 本发明公开了一种基于视觉P300范式和强化学习的神经反馈训练系统，包括：脑电信号采集模块，将脑电帽和放大器佩戴在被试头上，采集被试在P300‑单词拼写范式下的脑电信号；频谱分析及特征提取模块，将采集到的脑电信号经过预处理后，提取P300信号；强化学习生成刺激参数模块，用于将采集得到的P300幅值数据以及单词拼写正确率作为参数输入至强化学习Q‑Learning模型中，产生出下一轮刺激的最佳参数；反馈可视化模块，用于将P300‑单词拼写任务以字符展示界面呈现于被试者前方，并将反馈参数即单词拼写器闪烁频率作为单词的闪烁频率，经过多轮训练，与传统反馈相比，被试的专注度得到显著提升，且达到目标专注度的时间大幅降低。
-
公开(公告)号：CN118051771A
公开(公告)日：2024-05-17
申请号：CN202410016116.8
申请日：2024-01-04
Applicant: 安徽大学
IPC: G06F18/214 , G06F18/10 , G06F18/241 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于稳态视觉诱发电位空域特性的身份识别方法，包括以下步骤：S1：使用Benchmark数据集并对其进行预处理；S2：设计一个EhythmNet模型；S3：利用EhythmNet模型对预处理后的数据集进行训练与测试；S4：利用EhythmNet模型对N导联EEG数据进行分类，得到导联识别率和识别率脑地形图；S5：利用EhythmNet基于导联识别率对被试者进行分类识别；S6：利用EfficientNet‑B0基于脑地形图对被试者进行分类识别。还公开了一种基于稳态视觉诱发电位空域特性的身份识别系统。本发明利用SSVEP在不同头皮电极的空域分布特性，实现了两种不同的身份识别新方法。
-
公开(公告)号：CN117992909A
公开(公告)日：2024-05-07
申请号：CN202410124705.8
申请日：2024-01-29
Applicant: 安徽大学
IPC: G06F18/25 , A61B5/369 , A61B3/024 , G06F18/213 , G06V40/16 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请涉及一种视听场景下的听觉注意解码方法、装置和助听系统，其中，该目标说话者定位方法包括；实时获取听者的脑电信号和视野图像；其中，所述脑电信号通过佩戴于听者头部的脑电信号采集设备采集得到，所述视野图像通过与听者头部同步运动的图像采集设备采集得到；将所述脑电信号和所述视野图像输入基于机器学习的听觉注意解码模型，通过所述听觉注意解码模型得到目标说话者的空间方位。本发明充分考虑了实际场景中可用于定位目标说话者的信息，进而能够更加准确地锁定目标说话者的空间方位，改进了现有的听觉注意解码算法，可以更加充分地注意目标说话者的声音，解决了目前的听觉注意解码算法对目标声源的定位准确性较低的问题。
-
-
-
-
-
-
-
-
-
Search Results
140
records
(took 0.035 seconds)
