-
公开(公告)号：CN114997222A
公开(公告)日：2022-09-02
申请号：CN202210573321.5
申请日：2022-05-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种多模态深度森林框架的手部动作识别方法，包括：S1.获取与手部动作相对应的肌电信号和加速度信号；S2.分别提取肌电信号和加速度信号相对应的时域特征，得到肌电信号特征向量和加速度信号特征向量；S3.将肌电信号特征向量和加速度信号特征向量进行融合，得到融合后的特征向量集；S4.将已经确定好超参数的深度森林进行优化；S5.将特征向量集输入到优化后的深度森林中，得到手部动作的输出识别结果。本发明旨在探索加速度信号对肌电信号的补充性作用，证明加速度信号的融合能够提升动作识别的准确率，以及有利于促进人体运动，特别是手部运动相关理论的研究与发展以及促进肌电信号解码在康复医疗、人机交互等发明的应用。
-
公开(公告)号：CN113553896A
公开(公告)日：2021-10-26
申请号：CN202110318173.8
申请日：2021-03-25
Applicant: 杭州电子科技大学
Abstract: 本发明属于情感计算领域，公开了一种基于多特征深度森林的脑电情绪识别方法。该方法将脑电信号分成多个频带，然后从每个频带和原始信号中提取功率谱密度和微分熵作为特征。采用五分类情感模型来标记自然、焦虑、悲伤、快乐和愉快五种情绪，将提取之后的特征作为输入，利用深度森林对五种情绪进行分类识别。本发明探索了通过不同的特征进行组合，挖掘了数据中的数据特征，使得分类精度大大提高。本发明采用的是“白盒”识别方法，其内部结构易解释性好、透明度高。该多特征深度森林情感识别方法可以有效地提高情绪识别的精度，在大多数情况下能够准确的预测情感类别，鲁棒性强，在脑机交互领域具有较高的应用价值。
-
公开(公告)号：CN113553896B
公开(公告)日：2024-02-09
申请号：CN202110318173.8
申请日：2021-03-25
Applicant: 杭州电子科技大学
IPC: G06F18/24 , G06F18/2431 , G06F18/214 , G06F18/2411 , G06N3/0464 , G06N3/09
Abstract: 本发明属于情感计算领域，公开了一种基于多特征深度森林的脑电情绪识别方法。该方法将脑电信号分成多个频带，然后从每个频带和原始信号中提取功率谱密度和微分熵作为特征。采用五分类情感模型来标记自然、焦虑、悲伤、快乐和愉快五种情绪，将提取之后的特征作为输入，利用深度森林对五种情绪进行分类识别。本发明探索了通过不同的特征进行组合，挖掘了数据中的数据特征，使得分类精度大大提高。本发明采用的是“白盒”识别方法，其内部结构易解释性好、透明度高。该多特征深度森林情感识别方法可以有效地提高情绪识别的精度，在大多数情况下能够准确的预测情感类别，鲁棒性强，在脑机交互领域具有较高的应用价值。
-
-
Search Results
3
records
(took 0.05 seconds)
