-
Patent Agency Ranking
公开(公告)号：CN112438741B
公开(公告)日：2022-02-11
申请号：CN202011062150.7
申请日：2020-09-30
Applicant: 燕山大学
Abstract: 本发明公开了一种基于脑电特征迁移学习的驾驶状态检测方法及系统，包括：采集被试用户的脑电信号，对所述脑电信号进行预处理，提取特征构建第一目标特征集；从多组第一源数据集中筛选疲劳特征集和情绪数据集，组合成第二源特征集；通过第一迁移学习算法进行实例迁移，得到第三源特征集；基于第三源数据集和第一目标数据集使用第二迁移学习算法进行特征迁移学习，得到第四源特征集、第二目标数据集；使用第四源数据集构建多分类判别模型，将第二目标特征集输入多分类判别模型，得到被试用户的驾驶状态结果。本发明在保证准确率的同时减少了样本标注的繁琐工作，大大提高分类识别的鲁棒性和准确性。
-
公开(公告)号：CN110652293A
公开(公告)日：2020-01-07
申请号：CN201911007729.0
申请日：2019-10-22
Applicant: 燕山大学
IPC: A61B5/0476
Abstract: 一种用于运动想象脑电信号的自适应预处理优化方法，包括如下步骤：针对运动想象脑电信号中C3和C4通道的数据，根据不同类型伪迹设计相应预处理方法，即去工频干扰、基线纠漂和去生物伪迹；将三种预处理方法按顺序排列组合，形成6种方案；将C3和C4通道的数据，分别进行6种方案的预处理；针对6种方案预处理后的每种信号，分别提取其特征样本熵和时域能量值后分类，将经过分类器得到的预测标签和脑电信号的实际标签进行匹配，得到每种方案对应的分类正确率；最高分类正确率对应的方案为自适应的预处理方案。本发明适用于不同受试者及不同试次实验的运动想象脑电信号自适应的选择最优预处理方案，为运动想象脑电信号预处理的优化提供新的思路。
-
公开(公告)号：CN112438741A
公开(公告)日：2021-03-05
申请号：CN202011062150.7
申请日：2020-09-30
Applicant: 燕山大学
Abstract: 本发明公开了一种基于脑电特征迁移学习的驾驶状态检测方法及系统，包括：采集被试用户的脑电信号，对所述脑电信号进行预处理，提取特征构建第一目标特征集；从多组第一源数据集中筛选疲劳特征集和情绪数据集，组合成第二源特征集；通过第一迁移学习算法进行实例迁移，得到第三源特征集；基于第三源数据集和第一目标数据集使用第二迁移学习算法进行特征迁移学习，得到第四源特征集、第二目标数据集；使用第四源数据集构建多分类判别模型，将第二目标特征集输入多分类判别模型，得到被试用户的驾驶状态结果。本发明在保证准确率的同时减少了样本标注的繁琐工作，大大提高分类识别的鲁棒性和准确性。
-
公开(公告)号：CN113951900B
公开(公告)日：2023-02-21
申请号：CN202111286589.2
申请日：2021-11-02
Applicant: 燕山大学
IPC: A61B5/369 , A61B5/1455
Abstract: 本发明公开了一种基于多模态信号的运动想象意图识别方法，利用了脑电信号与近红外信号的时空分辨率互补性，以及多任务的相关性，设计非对称的多任务卷积网络以并行方式提取两种信号的空间‑时间特征，并以级联的方式将两种信号进行特征层融合，然后分别送入辅助度量任务与主分类任务，上述技术手段融合了多任务学习的方法，因此能够提取更具代表性的特征，与传统的卷积网络模型及其变体相比，本发明能够增强分类性能，提高模型泛化能力，为运动想象分类识别提供新的途径。
-
公开(公告)号：CN113951900A
公开(公告)日：2022-01-21
申请号：CN202111286589.2
申请日：2021-11-02
Applicant: 燕山大学
IPC: A61B5/369 , A61B5/1455
Abstract: 本发明公开了一种基于多模态信号的运动想象意图识别方法，利用了脑电信号与近红外信号的时空分辨率互补性，以及多任务的相关性，设计非对称的多任务卷积网络以并行方式提取两种信号的空间‑时间特征，并以级联的方式将两种信号进行特征层融合，然后分别送入辅助度量任务与主分类任务，上述技术手段融合了多任务学习的方法，因此能够提取更具代表性的特征，与传统的卷积网络模型及其变体相比，本发明能够增强分类性能，提高模型泛化能力，为运动想象分类识别提供新的途径。
-
-
-
-
Search Results
5
records
(took 0.019 seconds)
