“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]一种基于时间-频域融合Transformer的脑电视觉分类方法-CN202111618626.5在审
发明人：周文晖;莫良言;王宇涵;孔万增;戴国骏 -专利权人：杭州电子科技大学
申请日： 2021-12-27 - 公布日： 2022-04-08 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于时间‑频域融合Transformer的脑电视觉分类方法。本发明包括：1：构建时间预处理模块；用于对原始脑电信号进行滤波处理和时间信息提取，输出为时域特征；2：构建频域预处理模块；使用功率谱密度方法对原始脑电信号提取4个频段特征并进行特征拼接，输出为频域特征；S3：构建时间‑频域融合Transformer的特征融合模块，以时域特征与频域特征作为输入，输出时频融合特征；4：构建时间‑频域融合Transformer的分类模块，以时频融合特征作为输入，输出分类结果。本发明提高计算机通过脑电信号感知物体类别的稳定性和正确率，以实现更高精度的脑电信号分类效果，对人机交互领域的发展有重要的现实意义。
一种基于时间融合 transformer 视觉分类方法

[发明专利]一种基于强化学习的多源域迁移目标识别方法-CN202111539029.3在审
发明人： 孔万增;崔岂铨;金宣妤;李倪;刘栋军;刘国文;郭继伟 -专利权人：杭州电子科技大学
申请日： 2021-12-15 - 公布日： 2022-03-18 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种基于强化学习的多源域迁移目标识别方法。本发明使用强化学习来训练数据选择策略，以选择高质量的源域数据，目的是防止负转移及多个源域和目标域之间存在的域差异。在源域数据上的数据选择器“作用”以找到用于优化TL模型的子集，而TL模型的性能可以提供“奖励”以更新选择器。我们基于SoftActor‑Critic(柔性执行器‑评价器)算法框架构建加强数据选择器，并将其集成到基于DNN的迁移学习模型，从而变成强化迁移学习(RTL)方法。经过不同的状态，奖励和策略优化方法的设置，确认本发明提供的模型的稳健性。对PI和NLI任务的广泛实验表明，本发明提供的模型可以优于具有统计显着改进的现有方法。
一种基于强化学习多源域迁移目标识别方法

[发明专利]一种基于多模态注意力机制的情感分类方法-CN202111368526.1在审
发明人： 孔万增;郭继伟;唐佳佳;刘栋军;刘国文;崔岂铨 -专利权人：杭州电子科技大学
申请日： 2021-11-18 - 公布日： 2022-03-11 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种基于多模态注意力机制的情感分析方法。本发明利用异构图不同节点之间的复杂的关系去构建多个模态之间的交互。在多个模态信息交互的过程中，将不同的模态信息汇聚到一个紧凑的多模态表示中，用于偏移文本模态信息在语义空间中的位置。同时，多模态注意力机制技术能够以一种细粒度的方式对于多模态信息做融合，因此能够很好的解决在多模态学习中存在的固有问题，即行为信息的变化频率通常快于文本信息的变化频率。通过实验发现，该方法在不同任务的情感分析取得很好的表现，说明多模态注意力机制应用在情感分析任务的可行性，是对当前情感识别领域的多模态融合框架提供了新的研究手段。
一种基于多模态注意力机制情感分类方法

[发明专利]一种情感识别的方法、装置、设备和介质-CN202111463362.0在审
发明人： 孔万增;唐佳佳;李康;金宣妤;丁彧;吕唐杰;范长杰;胡志鹏 -专利权人：杭州电子科技大学;网易(杭州)网络有限公司
申请日： 2021-12-02 - 公布日： 2022-03-11 - 主分类号： G06F16/906 文献下载
摘要：本申请提供了一种情感识别的方法、装置、设备和介质，该方法包括：获取目标对象的多个模态分别对应的模态特征；基于多个所述模态特征分别构造第一张量和第二张量，所述第一张量的维度和所述第二张量的维度基于所述模态的个数确定；将所述第一张量和所述第二张量分别作为基于注意力机制的神经网络的查询值和关键值；根据所述查询值和所述关键值获得每个模态分别对应的核张量及基于所述核张量得到的池化矩阵；针对所述多个模态中的目标模态，将所述目标模态对应的核张量和除所述目标模态外的其他模态分别对应的池化矩阵进行融合，得到所述目标模态对应的注意力表示；基于每个模态的所述注意力表示获得所述目标对象的情感分类结果。
一种情感识别方法装置设备介质

[发明专利]基于EEG交叉频率耦合的卒中脑功能评估装置-CN202111522093.0在审
发明人：任彬;张建海;杨岩松;朱莉;孔万增 -专利权人：杭州电子科技大学
申请日： 2021-12-13 - 公布日： 2022-03-08 - 主分类号： A61B5/369 文献下载
摘要：本发明公开了基于EEG交叉频率耦合的卒中脑功能评估装置。对卒中状态或健康状态被试在运动想象任务下的多通道脑电数据进行采集和预处理，提取刺激后的有效数据段；计算每个数据段的频段内以及频段间相相耦合关系；提取多尺度脑网络指标，包括全脑平均功能连接值、半球尺度上的平均功能连接值、特征路径长度、以及聚类系数指标，依据欧几里德距离评估脑功能状态。本发明突破了单频段脑网络分析的局限性，通过交叉频率脑网络进行有效的卒中脑功能评估。
基于 eeg 交叉频率耦合中脑功能评估装置

[发明专利]一种基于对偶转换网络的多模态情感分类方法-CN202011581373.4有效
发明人： 孔万增;唐佳佳;李康;金宣妤;张建海 -专利权人：杭州电子科技大学
申请日： 2020-12-28 - 公布日： 2022-03-08 - 主分类号： G06F16/906 文献下载
摘要：本发明公开一种基于对偶转换网络的多模态情感分类方法。本发明结合对偶学习机制以及自注意力机制，在将一个模态转换为另一个模态的过程中，挖掘模态对之间具有方向性的长时交互的跨模态融合信息。同时，对偶学习技术能够增强模型的鲁棒性，因此能很好地应对多模态学习中存在的固有问题——模态数据缺失问题。其次，在此基础上构建的分层融合框架，将所有具有同一个源模态的跨模态融合信息拼接在一块，从而采用一维卷积层进行融合操作，能够进一步挖掘多模态信息之间的高层次互补信息，是对当前情感识别领域的多模态融合框架的有效补充。
一种基于对偶转换网络多模态情感分类方法

[发明专利]一种基于不确定性感知的无监督域适应目标检测方法-CN202111391987.0在审
发明人： 孔万增;刘可;白云;刘栋军 -专利权人：杭州电子科技大学
申请日： 2021-11-19 - 公布日： 2022-03-04 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于不确定性感知的无监督域适应目标检测方法。该方法能够利用带标签的源域样本实现针对目标域样本的检测。相比于其他进行简单地全局对齐的域适应方法，本发明首先从可迁移性维度进行局部区域对齐，充分挖掘了可迁移性高的区域，避免强行对齐如背景这样无法迁移的区域，为进一步的全局图片级对齐提供更有侧重的语义信息指导。接着在进行图片级、实例级对齐时，充分考虑了域适应训练过程中，不同样本对齐程度存在差异的情况，充分挖掘了区域建议网络分类的不确定信息；最终避免了对那些对齐程度较高样本的过度对齐，防止越过决策边界造成分类错误引起域适应效果的下降。
一种基于不确定性感知监督适应目标检测方法

[发明专利]一种基于脑电信号类多光谱图像序列的身份识别方法-CN202111287921.7在审
发明人： 孔万增;刘国文;刘栋军;郭继伟;崔岂铨 -专利权人：杭州电子科技大学
申请日： 2021-11-02 - 公布日： 2022-03-04 - 主分类号： G06K9/00 文献下载
摘要：本发明公开一种基于脑电信号类多光谱图像序列的身份识别方法，包括以下步骤：设计一个基于运动想象的脑电信号采集实验方案，其中，使用测试图片中不同方向的箭头来诱发对应的运动想象脑电信号。利用带通滤波器来消除原始脑电信号中的眼电伪迹和工频干扰，再利用加窗平均法来得到每一时刻指定节律的平均功率，再结合脑电极的二维分布来生多光谱图像序列，将得到的图像序列视作样本批量送入深度学习模型进行身份识别。本发明选取了运动想象脑电信号进行身份识别，提高了可行性。本发明使用脑电信号构造多光谱图像序列作为样本，充分利用脑电信号的时频域特征和空域特征，同时利用深度学习模型学习各个特征的内在联系，使得模型性能提升和更加鲁棒。
一种基于电信号光谱图像序列身份识别方法

[发明专利]一种基于时间-通道级联Transformer网络的脑电识别方法-CN202111614470.3在审
发明人：周文晖;王宇涵;莫良言;孔万增;戴国骏 -专利权人：杭州电子科技大学
申请日： 2021-12-27 - 公布日： 2022-02-25 - 主分类号： G06F3/01 文献下载
摘要：本发明公开了一种基于时间‑通道级联Transformer网络的脑电识别方法。本发明包括如下步骤：1：获取意念想象英文字符脑电数据，构建预处理模块；2：构建时间‑通道级联Transformer网络的时间模块，该时间模块的输入数据为预处理后的脑电数据，输出是提取后的时间特征；3：构建时间‑通道级联Transformer网络的脑电通道模块，该脑电通道模块的输入数据为时间特征，输出是提取后的时空融合特征；4：构建时间‑通道级联Transformer网络的分类模块，该分类模块的输入为时空融合特征，该分类模块的输出为分类结果。本发明能够有效提高字符想象脑电信号的识别准确率。
一种基于时间通道级联 transformer 网络识别方法

[发明专利]基于多通道张量池化的多模态深度分层融合情感分析方法-CN201911244389.3有效
发明人：唐佳佳;金宣妤;孔万增;张建海 -专利权人：杭州电子科技大学
申请日： 2019-12-06 - 公布日： 2022-02-11 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及基于多通道张量池化的多模态深度分层融合情感分析方法。基于注意力机制方法，可以对多模态数据设定相应权重，划分不同模态数据的重要程度，从而根据不同模态数据对任务的不同贡献程度，在融合部分放大贡献程度大的多模态数据在交互时的作用。而相对于单通道多项式张量池化模块，多通道多项式张量池化模块能够从细粒度层面获得鲁棒性高的局部高维度复杂非线性交互信息。本发明在判定多模态数据重要程度基础上，能从细粒度层面刻画稳定的局部高维复杂动态交互信息，是对当前情感识别领域的多模态融合框架的有效补充。
基于通道张量多模态深度分层融合情感分析方法

[发明专利]一种基于脑机跨模态迁移的情绪识别方法-CN202111210470.7在审
发明人： 孔万增;刘栋军;金宣妤;章杭奎;崔岂铨;曹泽阳;白云 -专利权人：杭州电子科技大学
申请日： 2021-10-18 - 公布日： 2022-01-28 - 主分类号： A61B5/16 文献下载
摘要：本发明公开一种基于脑机跨模态迁移的情绪识别方法。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迁移关系，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，需要建立图像模态与脑电模态的跨模态迁移模型，从而获取形式表征和认知表征之间的迁移关系。本发明将探索脑电模态与图像模态之间的迁移关系，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“基于脑机跨模态迁移的情绪识别方法”。
一种基于脑机跨模态迁移情绪识别方法

[发明专利]一种基于LightGBM的外骨骼步态预测方法-CN201911384974.3有效
发明人： 孔万增;王伟富;宋国明;王雪岩 -专利权人：杭州电子科技大学
申请日： 2019-12-28 - 公布日： 2021-11-30 - 主分类号： A61F2/60 文献下载
摘要：本发明公开一种基于LightGBM的外骨骼步态预测方法。本发明通过人体运动学分析，提取下肢关节的加速度数据做离线分析，进而解算出关节控制目标轨迹，最后控制系统通过该轨迹进行运动控制，实现下肢外骨骼的人体步态运动。本发明提出一种全新的下肢运动步态轨迹预测方法，能够应用于下肢外骨骼控制中，创新性的对LightGBM实现并联结构输入，并对下肢关节的连续目标值的步态轨迹预测，预测方法具有较强的精确度,减少了训练时间。
一种基于 lightgbm 骨骼步态预测方法

[发明专利]一种基于张量化高阶互注意力机制的多源域适应方法-CN202110678075.5在审
发明人： 孔万增;金宣妤;唐佳佳;张建海;朱莉 -专利权人：杭州电子科技大学
申请日： 2021-06-18 - 公布日： 2021-10-22 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种基于张量化高阶互注意力机制的多源域适应方法。通过共享子网络构建初级特征提取器以提取多源域数据的浅层共有特征。其次，分别构造不同源域的深层特征提取器，目标域数据分别通过这些深层特征提取器以提取与不同源域相关的特征。在深层特征的基础上，通过高阶互注意力机制挖掘多源域空间深层特征之间的高阶相关性，并应用于目标域，从而与度量目标域与源域特征分布差异的损失函数一起指导目标域与源域的域不变特征提取。最后，分别训练每个源域的特征分类器，将目标域数据特征分别输入这些分类器，得到所有预测结果的平均作为最终目标域数据的预测结果。本发明有效挖掘多源域特征间的相关性，适用于多源域适应。
一种基于量化高阶互注意力机制多源域适应方法

[发明专利]一种基于频空指标的脑纹识别方法-CN201810921009.4有效
发明人： 孔万增;范巧男;孔祥昊;刘建忠 -专利权人：杭州电子科技大学;福建中医药大学附属康复医院
申请日： 2018-08-14 - 公布日： 2021-10-22 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于频空指标的脑纹识别方法。本发明主要采用频空指标来计算脑电信号的特征，并通过Fisher线性判别来实现不同个体的识别。本发明包括数据采集、数据预处理、频空特征向量计算、频空特征向量降维、频空特征向量分类。分类结果表明：采用频空指标作为生物识别特征，得到了较好的分类结果，能够有效得对不同个体进行脑纹识别。与传统的生物识别特征相比，基于脑电的频空特征更为安全和隐蔽，是一种很有前景的生物特征模态。
一种基于指标识别方法

[发明专利]基于时间编码的外骨骼混合脑机接口控制方法-CN201910645407.2有效
发明人： 孔万增;杨文辉;张建海;宋扬;刘建忠 -专利权人：杭州电子科技大学;福建中医药大学附属康复医院
申请日： 2019-07-17 - 公布日： 2021-08-31 - 主分类号： G06K9/00 文献下载
摘要：本发明公开基于时间编码的外骨骼混合脑机接口控制方法。本发明主要使用稳态诱发电位脑机接口实现外骨骼运动模式之间切换，使用运动想象脑机接口实现外骨骼运动状态之间切换，两者与时间窗编码相融合，并由编码时间窗所处的不同状态选取相应脑机接口算法进行单次决策。综合连续的单次决策结果，输出综合决策的结果，并映射为外骨骼控制指令进行下发。其可辅助使用者根据主动运动意图在7种运动模式与运动状态之间切换：直立，行走，坐，上楼梯，下楼梯，左腿前进，右腿前进。本发明将7分类转变为2分类与空闲状态的检测，可有效的降低系统的假阳性率并提高识别率。
基于时间编码骨骼混合接口控制方法