龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：河北大学
申请日：2022-11-09
公开（公告）日：2024-05-10
公开（公告）号：CN118013325A
主分类号：G06F18/24
分类号：G06F18/24;G06F18/213;G06N3/08;G06N3/048;G06N3/0464
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.05.28#实质审查的生效;2024.05.10#公开
摘要：本发明提供了一种针对脑电情绪识别的全局到局部特征聚合的深度网络方法。本发明首先将脑电信号分割成多个脑电信号片段，然后将这些脑电信号片段通过巴特沃斯滤波器滤波并提取其微分熵特征。其次，根据各个电极之间的位置关系构建无向图结构，其中无向图中的节点特征用脑电信号的微分熵特征来表示。最后，将无向图的节点特征和连接边信息输入到本发明所构造的针对脑电情绪识别的全局到局部特征聚合的深度网络模型中，该深度网络模型包括三个部分：全局学习器、局部学习器和分类器。本发明利用深度网络模型从大量训练样本中进行分析学习，可解决现有方法在探索电极空间位置关系或相关通道影响方面产生无法全面地提取脑电信号的深层特征的问题。
主权项：1.一种针对脑电情绪识别的全局到局部特征聚合的深度网络方法，其特征是，包括如下步骤：a、将脑电信号分割成若干脑电信号片段，然后将这些脑电信号片段通过巴特沃斯滤波器滤波并提取其微分熵特征；b、根据各个电极之间的位置关系构建无向图，其中无向图中的节点特征用脑电信号的微分熵特征来表示；c、将无向图的节点特征和连接边信息输入到深度网络模型中进行深度学习并进行分类；深度网络模型包括三部分：全局学习器、局部学习器和分类器；所述全局学习器包含六个图卷积块，每个图卷积块均由图卷积层、批归一化层和Leaky-ReLU激活函数组成；全局学习器用于将各个图卷积块进行级联获得全局特征OGL，即： 其中[·]表示沿着特征维度的串联操作；Cat·表示将特征信息进行级联；所述局部学习器包含三个串联的卷积块，每个卷积块均包括卷积层、批归一化层、Leaky-ReLU激活函数和Dropout层；所述分类器包括全连接层和softmax函数。
全文数据：
权利要求：
百度查询： 河北大学 一种针对脑电情绪识别的全局到局部特征聚合的深度网络方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号