公开(公告)号：CN113158930A

公开(公告)日：2021-07-23

申请号：CN202110460929.2

申请日：2021-04-27

Applicant: 杭州电子科技大学

Inventor： 孟明 ,  张肖辉 ,  甘海涛 ,  庄栋 ,  杨策丞

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于D‑S证据理论的疲劳驾驶检测方法。首先引入疲劳驾驶训练集，设置代价矩阵，引入训练集，选择不同的代价矩阵，由代价敏感极限学习机训练多个分类器，求得每个分类器最优参数，其次给定测试样本，采用训练集得到最优参数的代价敏感极限学习机，得到测试样本的预测结果，采用softmax函数将预测结果转换为概率向量，最后采用加权D‑S证据理论对基分类器进行融合，得到对疲劳驾驶测试样本鲁棒性好、准确度高的集成分类器。本发明一方面能够有效的应对类别不平衡的数据，另一方面能够提高分类器的鲁棒性和准确性。

公开(公告)号：CN111166326A

公开(公告)日：2020-05-19

申请号：CN201911341281.6

申请日：2019-12-23

Applicant: 杭州电子科技大学

Inventor： 杨策丞 ,  甘海涛 ,  张肖辉 ,  庄栋

IPC: A61B5/0476 ,  G06F3/01

Abstract: 本发明公开一种基于自适应风险度的安全半监督学习的脑电信号识别方法。首先构建脑电信号数据库，进行预处理和特征提取，计算近邻图W，训练多类监督分类器并且得到未标记样本预测标签，利用l2，1范数构建目标函数，通过交替迭代优化方法寻找最优安全半监督分类器，利用安全半监督分类器对待识别样本进行识别。本发明提高半监督分类器增强了BCI系统的识别性能和鲁棒性。