-
公开(公告)号：CN119557824A
公开(公告)日：2025-03-04
申请号：CN202411593187.0
申请日：2024-11-08
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种多尺度关系学习的跨域脑电情绪识别方法及装置，包括：将脑电图信号输入多尺度关系学习网络，利用多尺度关系学习网络中依次连接的多尺度分离模块、连接关系学习模块和多尺度融合模块，得到融合情绪特征；其中，融合情绪特征包括多个源域的信息；将融合情绪特征输入通用特征归纳网络，利用通用特征归纳网络中的狄利克雷先验网络排除个性化情绪特征对情绪识别的干扰，得到情绪识别结果。上述技术方案利用多尺度关系学习网络捕获情绪特征，能够学习更加符合脑神经科学的脑连接关系，综合考虑多个源域的情绪信息，并对融合情绪特征进行归纳，排除个性化情绪干扰，提高了泛化能力。
-
公开(公告)号：CN117131356A
公开(公告)日：2023-11-28
申请号：CN202310889486.8
申请日：2023-07-19
Applicant: 西安电子科技大学
IPC: G06F18/213 , G06F18/241 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F123/02
Abstract: 本发明公开了一种多头自注意力机制融合的时空卷积脑电解码方法，包括：采集脑电信号；将脑电信号输入脑电解码网络，以使脑电解码网络中的第一时空特征提取模块和第二时空特征提取模块依次对脑电信号进行处理，第一\二时空特征提取模块用于提取输入数据的频谱特征，并基于频谱特征提取时间特征后，利用多头自注意力机制提取空间‑时间特征；对第二时空特征提取模块输出的空间‑时间特征进行分类，得到脑电信号的分类结果。本发明能够准确表征脑电信号，可分离卷积层有效地解耦了脑电任务和脑电信号之间的时间相关关系，在此基础上利用多头自注意力机制关注大脑的空间激活模式，提取互补的空间表征信息，有利于实现脑电信号的准确分类。
-
公开(公告)号：CN110765920B
公开(公告)日：2023-03-24
申请号：CN201910993633.X
申请日：2019-10-18
Applicant: 西安电子科技大学
IPC: G06F18/10 , G06F18/213 , G06F18/24 , G06F18/241
Abstract: 本发明公开了一种基于并行多尺度时间卷积核的卷积神经网络方法，主要解决现有技术检测准确率低，难以有效检测出用户想象运动的问题。其实现方案是：采集想象运动脑电数据，并对其进行预处理，使用预处理后的脑电数据制作数据集；构建卷积神经网络，使用训练集和验证集训练卷积神经网络，使用测试集测试卷积神经网络，使用被试者的脑电数据微调测试后的卷积神经网络，得到适合被试者进行在线实验的最终卷积神经网络；实时获取被试者的在线想象运动脑电信号，并送入最终的卷积神经网络，得到实时分类结果。本发明能有效检测出用户的想象运动，提高了对想象运动脑电信号的分类准确率，可用于医疗服务，作为辅助工具参与中风患者的康复治疗。
-
公开(公告)号：CN110516686B
公开(公告)日：2021-03-23
申请号：CN201910626708.0
申请日：2019-07-11
Applicant: 西安电子科技大学
Abstract: 本发明公开一种三色RGB图像的蚊虫识别方法，主要解决现有技术需要计算资源多，设备成本高的问题。其实现方案是：获取目标蚊虫的图像区域，遍历蚊虫目标图像的像素点获得目标蚊虫图像的RGB颜色直方图以及直方图函数；根据不同种类蚊虫目标图像的三色RGB图像直方图，设计不同种类蚊虫目标图像的RGB特征函数；根据特定蚊虫种类的特征对函数表达式进行简化设计并获得函数的参数；根据目标蚊虫的RGB颜色直方图函数，以及蚊虫RGB特征函数，对目标蚊虫进行分类识别。本发明减少了计算资源，降低了设备成本，能实现对淡色库蚊和白蚊伊蚊两种蚊虫的分类，可用于生物物种的识别。
-
公开(公告)号：CN119538095A
公开(公告)日：2025-02-28
申请号：CN202411602789.8
申请日：2024-11-11
Applicant: 西安电子科技大学
IPC: G06F18/2415 , A61B5/369 , A61B5/372 , A61B5/00 , G06F18/213 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N5/045
Abstract: 本发明公开了一种基于时空渐进注意力模型的快速序列视觉呈现脑电分类方法，包括：获取待分类脑电数据；将待分类脑电数据输入至训练好的时空渐进注意力模型进行处理，得到待分类脑电数据的类别；其中，训练好的时空渐进注意力模型以采集并处理后的预设数据作为训练数据集，以提取脑电数据空间特征和时间特征为目的，对初始的时空渐进注意力模型进行训练后得到。脑电数据通过采集被试者在以快速序列视觉呈现的方式观看图像序列得到，图像序列包括红外小目标图像和非目标图像。本发明能够最大限度的利用电极和时间片段的有用信息，同时尽可能减少不相关的信息。
-
Patent Agency Ranking
公开(公告)号：CN115631352A
公开(公告)日：2023-01-20
申请号：CN202211174426.X
申请日：2022-09-26
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于相似度对比的目标检测方法及其装置，涉及图片处理技术领域，包括：基于目标图片样本，生成候选框；基于候选框，进行目标特征提取，构建待选特征数据库；基于已有的图片样本，进行目标特征提取，构建标准特征数据库；从待选特征数据库中，获取置信度最高的候选框，将该候选框与标准特征数据库进行相似度对比，得到分数最高的标准特征数据库图片，并记录其类别信息；将分数最高的标准特征数据库图片与待选特征数据库进行相似度对比，得到分数最高的待选特征数据库图片，并记录其位置信息；将类别信息和位置信息映射到目标图片样本，得到待检测目标的检测结果。本申请能够提高目标定位的准确率，提高目标检测的效果。
-
公开(公告)号：CN115474947A
公开(公告)日：2022-12-16
申请号：CN202211027652.5
申请日：2022-08-25
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种基于深度学习的两类基本情绪强度脑电信号识别方法，包括：通过n个尺度空间特征提取模块分别提取激活模式和尺度空间特征，其中，每个尺度空间特征提取模块对应的卷积核大小不相同，第一个尺度空间特征提取模块的输入为原始脑电信号，其他各个尺度空间特征提取模块的输入为原始脑电信号和前一个尺度空间特征提取模块所提取的尺度空间特征；对原始脑电信号和所有激活模式和尺度空间特征进行维度变换，得到高阶融合的尺度特征；基于N个长短时记忆网络获取高阶融合的尺度特征中的高阶时域信息，根据高阶时域信息获取原始脑电信号对应的分级情绪，分级情绪包括：强正向情绪、弱正向情绪、强负向情绪和弱负向情绪。
-
公开(公告)号：CN115392287A
公开(公告)日：2022-11-25
申请号：CN202210860189.6
申请日：2022-07-21
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于自监督学习的脑电信号在线自适应分类方法包括：获得待测样本；其是对待测被试者在RSVP下采集到的脑电图信号进行预处理后得到的；构建待测样本针对两个自监督任务分别对应的数据集，得到时序验证任务数据集和掩码空间识别任务数据集；基于两个自监督任务的数据集更新预先训练完成的原始脑电信号分类网络的参数，得到更新后脑电信号分类网络；利用更新后脑电信号分类网络对待测样本进行分类得到分类结果。其中原始脑电信号分类网络是利用样本数据集对预设网络训练得到，样本数据集基于多个样本被试者进行快速序列视觉呈现实验所得到的脑电图信号得到。本发明能解决分布偏移问题，提高RSVP范式中脑电信号的分类性能。
-
公开(公告)号：CN114118176A
公开(公告)日：2022-03-01
申请号：CN202210001444.1
申请日：2022-01-04
Applicant: 西安电子科技大学
Abstract: 本申请属于信号处理技术领域，涉及一种脑电信号的分类方法，具体提供了一种基于解耦表示学习的连续快速视觉演示脑电信号分类方法，该方法包括如下步骤：S1，脑电信号的获取及预处理；S2，解耦表示学习网络的构建；S3，对构建的解耦表示学习网络进行训练；S4，对训练后的解耦表示学习网络进行测试；S5，对测试后的解耦表示学习网络进行微调；S6，对微调后的解耦表示学习网络进行实时检测。本发明将学习过程解耦为表示学习过程和分类器学习过程，避免分类器对表示学习过程产生影响，解决了连续快速视觉演示分类中存在的类别不平衡问题导致分类准确率低的问题，从而提高脑电信号的分类准确率。
-
公开(公告)号：CN116010840A
公开(公告)日：2023-04-25
申请号：CN202211446534.8
申请日：2022-11-18
Applicant: 西安电子科技大学
IPC: G06F18/24 , G06F18/214 , G06F3/01
Abstract: 本发明公开了一种多源域样本重加权的EEG信号跨设备解码方法，包括：获取采集多个受试者的MI EEG信号得到的多源域样本数据集及采集目标受试者的MI EEG信号得到的目标域样本数据集；利用两者对预设的SRENet网络进行训练得到训练完成的目标SRENet网络；利用目标SRENet网络得到待测样本的解码结果；其中，预设的SRENet网络包括特征提取器、样本重加权分类器和条件重加权判别器；在网络训练过程中通过样本重加权分类器和条件重加权判别器对特征提取器提取的特征进行易迁移性度量，对更易于迁移至目标域的源域样本赋以更高的训练权重。本发明能提高跨设备的MI EEG信号的解码性能。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.025 seconds)
