“孔万增”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果86个，建议您升级VIP下载更多相关专利

[发明专利]一种基于脑机生成对抗的情绪识别方法-CN202111248689.6有效
发明人： 孔万增;刘栋军;潘泽宇;金宣妤;郭继伟;刘可;白云 -专利权人：杭州电子科技大学
申请日： 2021-10-26 - 公布日： 2023-04-07 - 主分类号： A61B5/16 文献下载
摘要：本发明公开一种基于脑机生成对抗的情绪识别方法。针对情绪识别任务，人脑处理信息后得到的是具有情感的认知表征，而机器学习到的仅仅是图像的形式表征，如果能够建立两者之间的生成关系，通过“人脑”引导“机器”学习，将人脑的情感认知能力赋予机器。为了将人脑感知的信息赋予机器，需要建立图像视觉特征到脑电情感特征的生成模型，从而实现形式表征到认知表征之间的生成。本发明将探索脑电情感特征与图像视觉特征之间的关系，建立形式表征与认知表征之间的联系，实现脑机协同智能。为了减少认知表征与形式表征间的差异，使得形式表征无限逼近认知表征，本发明设计一种“基于脑机生成对抗的情绪识别方法”。
一种基于生成对抗情绪识别方法

[发明专利]一种基于脑机模态共空间的情绪识别方法-CN202111272389.1有效
发明人： 孔万增;刘栋军;唐佳佳;章杭奎;刘国文;郭继伟;刘可 -专利权人：杭州电子科技大学
申请日： 2021-10-29 - 公布日： 2023-04-07 - 主分类号： A61B5/16 文献下载
摘要：本发明公开一种基于脑机模态共空间的情绪识别方法。针对情绪识别任务，人脑处理信息后得到的是具有情感的认知表征，而机器学习到的仅仅是图像的形式表征，如果能够建立两者之间的共性关系，通过“人脑”引导“机器”学习，将人脑的情感认知能力赋予机器。为了将人脑感知的信息赋予机器，需要建立图像模态和脑电模态的共空间模型，从而获取形式表征和认知表征之间的共性信息。本发明将探索脑电模态与图像模态之间的共性关系，建立形式表征与认知表征之间的联系，实现脑机协同智能。为了减少认知表征与形式表征间的差异，使得形式表征无限逼近认知表征，本发明设计一种“基于脑机模态共空间的情绪识别方法”。
一种基于脑机模态共空间情绪识别方法

[发明专利]一种基于状态转换动态脑网络算法的神经障碍诊断系统-CN202110042559.0有效
发明人：邹凌;宋志伟;孔万增;周天彤 -专利权人：常州大学
申请日： 2021-01-13 - 公布日： 2023-03-21 - 主分类号： A61B5/055 文献下载
摘要：本发明公开了一种基于状态转换动态脑网络算法的神经障碍诊断系统，包括范式设计模块、数据转换模块、网络构建模块、动态分析模块、数据检测模块以及结果示出模块。数据转换模块用于采集核磁共振脑功能成像BOLD信号并进行预处理；网络构建模块采用互信息算法构建全脑功能网络；动态分析模块根据空间标准差对全时段脑功能网络进行动态时间窗划分，在数据驱动下解码适当数量的脑部状态，使用曲率面积算法进行脑网络指标计算，获取模型训练分析结果，形成数据化诊断报告。本发明能够为一些神经障碍疾病提供一种新型的疾病诊断与预测思路，在脑功能连接分析领域具有一定的实际意义与应用价值。
一种基于状态转换动态网络算法神经障碍诊断系统

[发明专利]一种基于运动想象时频空特征的外骨骼机器人控制方法-CN202111371361.3有效
发明人： 孔万增;白云;曹泽阳;刘栋军;刘可 -专利权人：杭州电子科技大学
申请日： 2021-11-18 - 公布日： 2023-03-21 - 主分类号： B25J9/00 文献下载
摘要：本发明公开了一种基于运动想象时频空特征的外骨骼机器人控制方法。该方法可将使用者的主动运动意图作为外骨骼的运动指令。本发明提取MI信号在不同通道的多个频带在时间窗口的功率特征，先利用两层全连接层获取多个通道在空间上和频率上的功率关系，然后把不同时间的全连接层输出结果输入BI LSTM中提取时间上的变化特征，训练出基础模型。然后把模型部署在服务器上，每次使用运动想象模型控制外骨骼之前，进行一小段时间的在线训练，提高模型对不同时间段的脑电信号的特征的分类能力。最后使用运动想象左右手的分类结果，控制下肢外骨骼分别做出左腿迈出右腿跟进，或者右腿迈出左腿跟进的动作。
一种基于运动想象时频空特征骨骼机器人控制方法

[发明专利]一种基于模态增强卷积图的多模态情感分类方法-CN202211377291.7在审
发明人： 孔万增;倪斌斌;唐佳佳;杨宇涛;戴玮成;朱莉 -专利权人：杭州电子科技大学
申请日： 2022-11-04 - 公布日： 2023-01-31 - 主分类号： G06F18/241 文献下载
摘要：本发明公开一种基于模态增强卷积图的多模态情感分类方法。本发明提出了一个新的模态增强融合框架，它基于图卷积神经网络，为融合未对齐的多模态序列提供了一个有效的方法。在文本模态的帮助下，首先使用多模态增强模块来增强视觉和听觉模态以获得具有更强情感鉴别性的模态信息，从而帮助后续的聚合过程。此外，还构建了文本驱动的多模态特征图来进行模态融合，这可以有效地处理图卷积聚合过程中各模态之间的不平衡问题。最后将模态增强卷积图中提取的融合信息整合到文本表征中，从而动态地将原始文本表征向最准确的多模态语义空间转化。相比于现有多模态融合方法，本发明的结果更优。
一种基于增强卷积多模态情感分类方法

[发明专利]一种基于融合图卷积网络的脑电情绪识别方法-CN202210974787.6在审
发明人： 孔万增;李孟航;仇敏;戴玮辰;张建海 -专利权人：杭州电子科技大学
申请日： 2022-08-15 - 公布日： 2022-11-25 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于融合图卷积网络的脑电情绪识别方法；该脑电情绪识别方法如下：一、对被测对象进行脑电采集，提取所得脑电信号中各通道的目标特征，作为被识别数据。二、根据步骤一得到的被识别数据，计算两个通道之间的物理信息矩阵、相关性矩阵、因果关系矩阵。三、构建邻接矩阵。四、构建正则化矩阵。五、对目标特征和正则化矩阵L进行图卷积操作，完成特征提取。六、将步骤五所得特征输入经过训练的深度可分离卷积网络，所得特征图输入全连接层，进行分类，得到被测对象进行脑电采集时的情感类别。本发明对图卷积的邻接矩阵做融合处理，使邻接矩阵包含多元化的信息，而不再是仅拥有单一的信息，进一步提高了模型情绪分类的准确率。
一种基于融合图卷网络情绪识别方法

[发明专利]一种基于模态空间同化和对比学习的多模态情感分类方法-CN202211139018.0在审
发明人： 孔万增;杨宇涛;唐佳佳;倪斌斌;戴玮成;朱莉 -专利权人：杭州电子科技大学
申请日： 2022-09-19 - 公布日： 2022-11-08 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种基于模态空间同化和对比学习的多模态情感分类方法。本发明引入了同化的概念，利用由模态之间的互补信息组成的引导向量来指引每个模态同时接近解空间。该操作不仅进一步提高搜索解空间的效率，而且使得三种模态的异构空间同构。在空间同构的过程中，能够在一定程度上有效平衡多个模态对最终解空间的贡献。在指导每个模态的时候，该策略能使模型更加关注情感特征，这减少了模态内冗余，构建多模态表示的难度也因此降低了。其次，本发明还运用了监督对比学习来增强模型辨别不同情绪差异的能力，使得模型能够捕捉到更为全面的多模态情感上下文。
一种基于空间同化对比学习多模态情感分类方法

[发明专利]未对齐行为信息动态调整单词表示的多模态情感识别方法-CN202210624963.3在审
发明人： 孔万增;郭继伟;唐佳佳;戴玮辰;刘栋军 -专利权人：杭州电子科技大学
申请日： 2022-06-02 - 公布日： 2022-08-23 - 主分类号： G06F40/284 文献下载
摘要：本发明公开一种未对齐行为信息动态调整单词表示的多模态情感识别方法。本发明利用跨模态注意力机制，挖掘与文本模态相关的行为信息(由视觉是听觉模态组成)，然后利用行为信息来动态的修改文本模态中的单词在语义空间中的位置，从而得到经过多模态信息调整后的单词表示。同时，跨模态注意力机制能够在长距离范围内关注到与文本模态相关的行为信息，因此能够很好的解决多模态学习中存在的固有问题—各个模态信息之间的频率不匹配。其次，在此基础上构建若干个多模态Transformer层，能够进一步挖掘经过多模态信息调整后的单词表示在上下文环境中的高级特征信息，是对当前情感识别领域的多模态融合框架的有效补充。
对齐行为信息动态调整单词表示多模态情感识别方法

[发明专利]一种基于因果解耦生成模型的域泛化图像识别方法-CN202210512236.8在审
发明人： 孔万增;李倪;金宣妤;杨冰;张建海;崔岂铨 -专利权人：杭州电子科技大学
申请日： 2022-05-11 - 公布日： 2022-08-05 - 主分类号： G06V10/774 文献下载
摘要：本发明公开一种基于因果解耦生成模型的域泛化图像识别方法。域泛化的目的是从多个源域数据中学习域不变表示很好的泛化到不可见的目标域，但是学习域不变特征的最大挑战在于从纠缠的特征空间中分解出语义信息和域信息。考虑到因果特征具有跨域不变的特性，本发明提出了因果解耦表征模型。首先，将跨域稳定的因果结构模型作为先验引入。然后，构建基于因果结构的生成模型，分别为任务相关和域相关特征建模。特别的是，两个隐特征之间的双向因果依赖通过一种干预手段解除，从而有效消除域相关特征对预测任务的影响。结果证明，本发明提出的方法能够有效解耦出任务相关和域相关特征，超过了大多数的解决域泛化的方法。
一种基于因果生成模型泛化图像识别方法

[发明专利]一种基于互信息特征提取及多人融合的运动想象识别方法-CN202011541158.1有效
发明人： 孔万增;杨宇;朱莉;王鑫洋;张建海 -专利权人：杭州电子科技大学
申请日： 2020-12-23 - 公布日： 2022-07-08 - 主分类号： G06F3/01 文献下载
摘要：本发明公开了一种基于互信息特征提取及多人融合的运动想象识别方法。本发明如下：1.通过多通道脑电采集设备同时采集P个用户进行运动想象的脑电信号。2.对采集到的P个用户的脑电数据分别进行预处理。3.对每次采集的脑电数据分别提取一个或多个互信息向量。4.多人运动想象识别。本发明利用提取多人脑电互信息，并通过三种不同层次的融合策略，最终由K近邻算法进行分类，能够快速、准确地实现基于多人脑电数据的人脑运动想象识别。
一种基于互信特征提取融合运动想象识别方法

[发明专利]基于注意力感知与缩放因子剪枝的声呐目标检测方法-CN202210246394.3在审
发明人： 孔万增;胡宏洋 -专利权人：杭州电子科技大学
申请日： 2022-03-14 - 公布日： 2022-06-07 - 主分类号： G01S7/52 文献下载
摘要：本发明公开了基于注意力感知与缩放因子剪枝的声呐目标检测方法。该检测方法的过程为：步骤1、搭建注意力感知目标检测网络，注意力感知目标检测网络包括注意力感知网络、路径聚合增强网络和多尺度联合预测网络。步骤2、使用声呐数据集对步骤1所得的注意力感知网络进行训练。步骤3、使用缩放因子衡量通道的重要性并进行模型剪枝。步骤4、使用步骤3得到的剪枝模型对声呐目标进行回归与定位。本发明中针对深度学习目标检测算法应用于声呐图像目标检测时，对细长、细小目标的定位回归精度不佳及算法自身参数量大、运算复杂的问题进行改进。通过注意力感知模块获得目标的短距离形变感知与长距离依赖感知，并通过缩放因子对模型进行轻量化处理。
基于注意力感知缩放因子剪枝声呐目标检测方法

[发明专利]基于生成对抗域自适应的跨被试EEG疲劳状态分类方法-CN202010985675.1有效
发明人：曾虹;李秀峰;吴振华;赵月;张佳明;孔万增;戴国骏 -专利权人：杭州电子科技大学
申请日： 2020-09-18 - 公布日： 2022-05-17 - 主分类号： A61B5/369 文献下载
摘要：本发明公开了一种基于生成对抗域自适应的跨被试EEG疲劳状态分类方法。本发明首先获取数据并预处理，去除伪迹；其次通过PSD来进行EEG特征提取，从三维EEG时间序列获得二维样本矩阵；然后区分源域和目标域数据集，获得不重合的训练集和测试集；再用部分无标签的目标域数据和符合高斯分布的随机数据训练分类模型GDANN；最后利用混淆矩阵对分类结果准确率进行评估。本发明将生成对抗网络和域不变思想进一步结合，既解决了EEG信号数据集稀少难获得的问题，又平衡了源域数据和目标域数据不匹配的问题，一定程度上避免了负迁移，训练出了高精度的跨被试疲劳检测分类器，以期在实际的脑机交互中有着广泛的应用前景。
基于生成对抗自适应跨被试 eeg 疲劳状态分类方法

[发明专利]基于脑电样本权重调整的跨被试疲劳驾驶分类方法-CN202010985572.5有效
发明人：曾虹;张佳明;李秀峰;吴振华;赵月;孔万增;戴国骏 -专利权人：杭州电子科技大学
申请日： 2020-09-18 - 公布日： 2022-05-17 - 主分类号： A61B5/18 文献下载
摘要：本发明公开了一种基于脑电样本权重调整的跨被试疲劳状态分类方法。本发明以PSD作为特征提取方法，InstanceEasyTL算法作为分类器，通过对EEG信号的处理及分析，在跨被试的设定下，对驾驶员的疲劳程度进行分类，实现疲劳、清醒两种状态的区分。首先获取数据并预处理；其次使用PSD对脑电数据进行特征提取；然后设置实验的新源域和新目标域，再根据InstanceEasyTL算法进行分类。与传统的机器学习、深度学习方法和基于特征对齐的EasyTL方法相比，在跨被试上拥有更好的分类性能。此外本方法在仅需目标域中小部分比例的数据情况下，仍然能够保持较高的分类性能。
基于样本权重调整跨被试疲劳驾驶分类方法

[发明专利]基于跨脑耦合关系计算的脑电情感识别方法及脑机系统-CN202111674867.1在审
发明人：朱莉;张建海;孔万增;戴玮辰;李俊华;崔高超 -专利权人：杭州电子科技大学
申请日： 2021-12-31 - 公布日： 2022-05-13 - 主分类号： A61B5/16 文献下载
摘要：本发明专利的目的在于克服现有技术的不足，提供一种基于跨脑耦合关系计算的情感识别在线脑机接口系统，该系统支持多人同时使用，提升在线识别的精度和稳定性，实现对细粒度具体情感的识别。本发明基于跨脑耦合关系计算的脑电情感识别方法，具体步骤如下：步骤一：情感刺激任务；步骤二：多人脑电同步采集；步骤三、数据预处理形成训练集；步骤四、打标签；步骤五、脑电耦合关系训练；步骤六、训练结果耦合关系特征计算验证。本发明提供的跨脑融合关系计算的情感识别方法通过脑电设备采集多名用户的脑电数据，并对跨脑耦合关系特征进行提取，并在线计算细粒度具体情感的识别正确率，可显著提高情感识别正确率。
基于耦合关系计算情感识别方法系统

[发明专利]面向跨被试RSVP的多特征低维子空间ERP检测方法-CN202210042481.7在审
发明人： 孔万增;章杭奎;刘栋军 -专利权人：杭州电子科技大学
申请日： 2022-01-14 - 公布日： 2022-04-29 - 主分类号： A61B5/377 文献下载
摘要：本发明公开了面向跨被试RSVP的多特征低维子空间ERP检测方法。该方法首先采用迁移学习方法中的欧式空间对齐，对来自不同被试、不同试次的EEG数据在欧式空间中进行对齐。然后采用不同的特征提取方式表层和深层两路特征，其次将来自不同空间的两路特征分别进行有监督降维，使得不同类特征的类内离散度尽可能低，且类间离散度尽可能高。得到凝练且位于不同维度的两个一维特征，对这两个一维特征进行融合重构，最终将重构后的特征用于ERP检测。有效提升ERP检测时的稳定性与准确率。
面向跨被试 rsvp 特征低维子空间 erp 检测方法