-
公开(公告)号：CN114699078B
公开(公告)日：2025-02-11
申请号：CN202210227246.7
申请日：2022-03-08
Applicant: 重庆邮电大学
Abstract: 本发明属于脑机接口领域，具体涉及一种基于少量通道EEG的情绪识别方法及系统，包括获取用户头皮4个通道的脑电信号，对脑电信号进行预处理；将预处理后的脑电信号转换为基础信号，对基础信号进行分解和重构，得到一系列分量信号；将平滑后的特征输入训练好的分类模型检测用户情绪；本发明使用更少通道的脑电信号来检测用户情绪，用户只需要根据实际的场景进行情绪调动，PC会对采集用户的大脑皮层脑电信号进行分析，通过预处理和特征提取，将最终的特征输入分类器里面进行分类，就可以反映出当时用户的情绪类别。
-
公开(公告)号：CN119128421A
公开(公告)日：2024-12-13
申请号：CN202411107827.2
申请日：2024-08-13
Applicant: 重庆邮电大学
IPC: G06F18/20 , G06F18/25 , G06Q30/0601 , G06N3/042 , G06N3/08 , G06F123/02
Abstract: 本发明属于序列推荐技术领域，具体涉及一种基于多行为动态图的序列推荐方法；包括：根据用户的多行为交互序列构建多行为动态图并划分为多个特定行为子图；对特定行为子图进行处理，得到节点嵌入表示和关系嵌入表示；对关系嵌入表示进行处理，得到通用相关性嵌入表示；融合特定行为下的时序信息到特定行为子图的节点中，得到融合用户节点嵌入表示和融合项目节点嵌入表示；融合通用相关性嵌入表示和融合用户节点嵌入表示，得到用户个性化行为相关性嵌入表示；更新融合项目节点嵌入表示并聚合更新结果和融合用户节点嵌入表示，得到最终的两种节点嵌入表示；采用前馈神经网络对最终的两种节点嵌入表示进行处理，得到项目推荐结果；本发明提高了推荐的准确性。
-
公开(公告)号：CN117731305A
公开(公告)日：2024-03-22
申请号：CN202311771625.3
申请日：2023-12-21
Applicant: 重庆邮电大学
IPC: A61B5/372 , A61B5/378 , A61B5/386 , A61B5/00 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06F18/24 , G06N3/048
Abstract: 本发明属于脑机接口领域，具体涉及一种基于生成对抗网络的脑电信号图像重建方法；该方法包括：采集用户观察多类刺激图像产生的脑电信号和眼电信号；对脑电信号和眼电信号进行预处理，得到预处理好的脑电信号；采用编码网络对脑电信号进行特征编码，得到视觉脑电信号特征；将视觉脑电信号特征输入到分类器中进行处理，得到特征分类结果；采用图像编码器对刺激图像进行特征编码，得到刺激图像特征；将视觉脑电信号特征和刺激图像特征输入到映射网络中进行处理，得到映射图像特征；将映射图像特征和特征分类结果输入到生成对抗网络中进行处理，得到重建的图像；本发明生成的重建图像准确性高，具有良好的应用前景。
-
公开(公告)号：CN117011411A
公开(公告)日：2023-11-07
申请号：CN202311111965.3
申请日：2023-08-31
Applicant: 重庆邮电大学
Abstract: 本发明属于脑机接口视觉图像重建领域，具体涉及一种基于解码人脑活动的深度图像重建方法及系统，方法包括用图像对检测对象进行视觉刺激并获取功能磁共振成像数据，对功能磁共振数据进行预处理得到体素数据；通过特征解码器解码体素数据，得到第一底层信息特征和第一高级语义特征；通过特征提取器获取图像的第二底层信息特征和第二高级语义特征；两个底层信息特征形成第一特征对，两个高级语义特征形成第二特征对；将第一特征对与第二特征对输入特征优化器得到最佳底层信息特征和最佳高级语义特征；融合最佳底层信息特征和最佳高级语义特征并输入复合生成器得到重建图像；本发明提出的方法提高了对整体特征的优化效果从而提高图像的重建质量。
-
公开(公告)号：CN116468941A
公开(公告)日：2023-07-21
申请号：CN202310400157.2
申请日：2023-04-14
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于上采样机制和类激活映射的图像分类结果特征可视化方法，该方法使用了卷积神经网络的最后一层的激活图和梯度矩阵。通过将原始输入图片进行多尺度放大，获取不同分辨率的激活图和梯度矩阵；然后将他们融合并加权相加得到初始掩膜，经过多尺度融合后的掩膜拥有更加丰富的特征信息；归一化处理后的掩膜直接与输入图片进行点乘，来扰动输入图片；将扰动后的输入图片送入模型得到每个掩膜的对应的类别概率分数作为权重，最终将权重和掩膜线性相加组合得到特征可视化结果。本发明应用于包含卷积层的图像分类神经网络，可以呈现噪声更少，分辨率更高，特征定位更加精准的特征可视化效果。
-
Patent Agency Ranking
公开(公告)号：CN116453022A
公开(公告)日：2023-07-18
申请号：CN202310434327.9
申请日：2023-04-21
Applicant: 重庆邮电大学
IPC: G06V20/40 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0442
Abstract: 本发明请求保护一种基于多模态融合和Transformer网络的视频情感内容分析方法，涉及情感计算和视频分析领域，包括以下步骤：1)音频和视频信号的分离，形成视频和音频两个数据库；2)对于音频和视频数据库，使用工具并通过多个深度学习模型来提取音频和视频特征；3)对于提取到的音频和视频特征，分别将它们投影到模态特定和模态不变两个子空间，在模态特定子空间当中学习每个模态独特的信息，在模态不变子空间中学习模态之间共享的信息；4)得到每个模态不同的模态表示过后，使用Transformer结构对不同模态的特征进行融合，形成多模态融合向量；5)使用多层感知机模型完成特征到情感空间的映射，以多模态融合向量作为输入完成分类或者回归任务。
-
公开(公告)号：CN116310647A
公开(公告)日：2023-06-23
申请号：CN202310289172.4
申请日：2023-03-23
Applicant: 重庆邮电大学
IPC: G06V10/774 , G06V10/82 , G06V10/764 , G06V20/52 , G06N3/045 , G06N3/08
Abstract: 本发明属于计算机视觉技术领域，特别涉及一种基于增量学习的劳保物品目标检测方法及系统，方法包括构建第一劳保物品目标检测数据集对教师网络进行训练；获取第二劳保物品目标检测数据集，根据第二劳保物品目标检测数据集中比第一劳保物品目标检测数据集多的标签类别数量，增加学生网络输出层神经元数量来扩展网络；对学生模型初始化，在学生模型与教师模型之间构建蒸馏损失函数；基于构建的蒸馏损失函数构建学生模型的损失函数，利用第二劳保物品目标检测数据集对学生模型进行训练；将训练好的学生模型部署到智慧工地平台上，对工地内进行目标检测；本发明克服传统深度学习算法在新样本上训练之后会产生灾难性遗忘的问题。
-
公开(公告)号：CN116250849A
公开(公告)日：2023-06-13
申请号：CN202211559232.1
申请日：2022-12-06
Applicant: 重庆邮电大学
IPC: A61B5/372 , A61B5/00 , G06F18/2415 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 本发明请求保护一种基于信息分离器和区域卷积网络的脑电信号识别方法，包括：采集脑电数据，并对脑电数据进行滤波、小波包分解和数据标准化等预处理；根据电极安装位置构建拓扑图，再将经过预处理的脑电数据嵌入图中；使用所构建的图创建信息分离器获取每个节点独立的源信息，然后使用聚焦区域特征并且关注的区域范围依次递增的区域卷积网络提取脑电信号特征，区域卷积网络包含三个卷积层，分别为提取节点自身特征的节点卷积层、提取以节点为中心的领域特征的领域卷积层和提取全局特征的全局卷积层；最后由全连接层完成分类识别。本发明可显著降低电极之间的信息冗余度并有效提高脑电信号的识别准确率。
-
公开(公告)号：CN109559059B
公开(公告)日：2022-12-27
申请号：CN201811542570.8
申请日：2018-12-17
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于回归决策树的光纤生产规则制定方法，属于机器学习、大数据处理技术领域，具体包括步骤：101收集光纤生产过程中的光棒数据和光纤数据并对光棒数据和光纤数据进行预处理操作；102对光棒数据进行特征工程构建操作；103建立决策树回归模型；104通过交叉验证对模型进行调优；105根据决策树分裂的路径获得光纤生产规则。本发明主要是通过对光纤生产过程中的光棒数据和光纤数据进行预处理和分析提取特征，建立决策树回归模型，并对模型进行优化，通过决策树分裂的路径获取光纤生产的规则。
-
公开(公告)号：CN112580436B
公开(公告)日：2022-05-03
申请号：CN202011342014.3
申请日：2020-11-25
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于黎曼流形坐标对齐的脑电信号域适应方法，属于于迁移学习域适应方法，特别是脑机接口中跨会话、跨对象分类的数据对齐方法。包括以下步骤：首先对采集到的脑电数据进行去均值、滤波、归一化等预处理；然后使用协方差矩阵对其进行处理，将脑电数据转化为对称正定(SPD)矩阵；根据对称正定矩阵构建黎曼流形空间；接着，将流形空间中的脑电数据点映射到对应的切线空间中进行坐标对齐；最后，将对齐后的脑电数据点映射回黎曼流形空间，并进行矢量化处理。本发明能够减少脑机接口系统中不同受试者脑电信号之间的差异，使得不同对象间的数据分布趋于一致。
-
-
-
-
-
-
-
-
-
Search Results
118
records
(took 0.035 seconds)
