“罗志增”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95个，建议您升级VIP下载更多相关专利

[发明专利]一种基于地图场景的信息交互系统和方法-CN202010645826.9有效
发明人：樊豪;罗志增;孟明;席旭刚 -专利权人：杭州电子科技大学
申请日： 2020-07-07 - 公布日： 2021-11-16 - 主分类号： G06F16/9537 文献下载
摘要：本发明公开了一种基于地图场景的信息交互系统和方法，其中信息交互系统包括移动终端和服务器端两个组成部分，移动终端收集互动信息并发送给服务器端，服务器端接收信息后进行数据的融合处理并将处理结果返回移动终端，最终移动终端将互动信息进行场景化的动态展示。本发明提供一种全新的信息交互方式，可以有效解决现有交互系统的架构局限性和场景单调性，提高信息的检索效率和交互体验。
一种基于地图场景信息交互系统方法

[发明专利]基于图平衡正则化的半监督超限学习机分类方法-CN201910665201.6有效
发明人：佘青山;邹杰;吴秋轩;吕强;罗志增 -专利权人：杭州电子科技大学
申请日： 2019-07-23 - 公布日： 2021-11-09 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于图平衡正则化的半监督超限学习机分类方法。本发明通过非负权值量来平衡基于标签一致性的邻接图和基于信息结构一致性的邻接图，以此来达到图平衡，可以获得最佳图的拉普拉斯正则项来约束模型，并且认为在信息一致性图不能很好的描述样本集的结构信息时，增大标签一致性图的权重，反之则要减小相应的比例。本发明首先通过样本的标签一致性来构造训练样本间的邻接有监督图，与基于样本信息一致性的半监督图组合在一起来约束模型的输出，通过合理的调整图的比重来改变描述数据分布的能力，获得最优的邻接图后得到最佳的输出权值向量。本发明在脑电信号处理、脑机接口系统中具有广阔的应用前景。
基于平衡正则监督超限学习机分类方法

[发明专利]一种基于先验模板的肌电运动单元分解方法-CN202110805279.0在审
发明人：汪婷;皮少军;席旭刚;王俊宏;罗志增;吕忠;李文国 -专利权人：杭州电子科技大学
申请日： 2021-07-16 - 公布日： 2021-09-17 - 主分类号： A61B5/389 文献下载
摘要：本发明涉及一种基于先验模板的肌电运动单元分解方法。本发明首先，利用几个带有可变表达式的先验模板来拟合运动单元动作电位的波形；接着提出了一种迭代匹配策略，实现了运动单元的逐层剥离；随后引入尖峰触发平均算法来重新确定运动单元动作电位波形，使其更符合真实的肌电运动单元。最后，建立基于真实信号分解结果的评估指标，用于评价分解算法的性能。本发明能在低噪声水平下检测和识别有效的运动单元，具有较为良好的性能。
一种基于先验模板运动单元分解方法

[发明专利]基于肌电模型和无迹卡尔曼滤波的关节运动估计方法-CN201910038177.3有效
发明人：席旭刚;杨晨;石鹏;章燕;袁长敏;范影乐;张启忠;罗志增 -专利权人：杭州电子科技大学
申请日： 2019-01-16 - 公布日： 2021-09-07 - 主分类号： A61B5/389 文献下载
摘要：本发明涉及到一种基于肌电模型和无迹卡尔曼滤波的关节运动估计方法，首先采集膝关节在连续运动状态下股二头肌、股四头肌、股外侧肌、股内侧肌、半腱肌、股薄肌的肌电信号和实时角度，对其进行带通滤波处理，并提取小波系数和均方根特征，然后使用一种结合了肌肉动力学、关节动力学、骨骼动力学和相关肌电特征的状态空间肌电模型，通过无迹卡尔曼滤波算法，得出Sigma采样集χi和权重Wi，然后进行进一步的预测，计算出系统状态变量和协方差矩阵P(k+1|k)，迭代循环后，实现对膝关节连续运动的估计。该方法与传统的角度估计方法相比，减小了系统误差、累积误差和外部干扰的影响，精度高，稳定性好，对目标机动反应快速，有了明显的改进。
基于模型卡尔滤波关节运动估计方法

[发明专利]基于脑功能网络特征的多模式运动想象识别方法-CN201910285096.3有效
发明人：鲁先举;罗志增;马存斌;席旭刚 -专利权人：杭州电子科技大学
申请日： 2019-04-10 - 公布日： 2021-05-25 - 主分类号： G06K9/00 文献下载
摘要：本发明提出了一种基于脑功能网络特征的多模式运动想象识别方法。本发明首先定义网络功能连通增率作为一种新的脑功能网络特征，然后依据神经生理学肢体运动与大脑皮层对应关系，构建以不同导联为中心的区域网络，计算各区域的网络功能连通增率组成多维特征向量，输入到支持向量机中，实现对多模式运动想象的识别。本发明可实时、准确识别出人体多种模式运动想象动作，识别结果可用于辅助康复训练的人机交互系统。
基于功能网络特征模式运动想象识别方法

[发明专利]基于协同表示的安全半监督超限学习机分类方法-CN201811453638.5有效
发明人：佘青山;邹杰;孟明;范影乐;罗志增 -专利权人：杭州电子科技大学
申请日： 2018-11-30 - 公布日： 2021-04-30 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于协同表示的安全半监督超限学习机分类方法，首先定义出无标记样本的风险项，并利用未标记样本重构前后输出预测标签一致性和重构误差来评判样本的风险性。本发明采用协同表示的方法分析半监督学习中无标签样本的风险性，通过实验证实样本风险的存在，将风险项加入到半监督超限学习机的损失函数中，从而使模型自带样本安全风险策略，最后在脑电信号数据集下进行测试，结果显示在传统的半监督超限学习机性能劣于有监督超限学习机时，本发明的安全半监督超限学习方法性能仍然优于有监督学习方法，这也证实了本文方法具有一定的无标记样本的安全性。
基于协同表示安全监督超限学习机分类方法

[发明专利]一种基于经颅直流电刺激的辅助记忆系统-CN202011609685.1在审
发明人：陆晟;罗志增;席旭刚;孟明 -专利权人：杭州电子科技大学
申请日： 2020-12-30 - 公布日： 2021-04-06 - 主分类号： A61N1/36 文献下载
摘要：本发明提出了一种基于经颅直流电刺激的辅助记忆系统。包括电刺激仪、采集装置和训练装置。训练装置针对不同的工作记忆子成分选用不同的记忆负载材料，设计了三种不同模式的训练。采集装置采集使用者经电刺激前后在不同训练模式中的脑电信息，对比统计，为电刺激仪的电极摆放位置、刺激时长、电流密度提供参考。电刺激仪对相应脑区进行最大程度的激活，配合不同模式的训练，提高工作记忆的效果。在电刺激结束后，再进行一次无电刺激的训练，可以将电刺激带来的提升效果延伸至在脱离电刺激后。
一种基于直流电刺激辅助记忆系统

[发明专利]基于符号传递熵和图论的脑肌功能网络运动疲劳检测方法-CN202011399687.2在审
发明人：席旭刚;皮少军;赵云波;孔万增;马玉良;张启忠;罗志增 -专利权人：杭州电子科技大学
申请日： 2020-12-02 - 公布日： 2021-03-23 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于符号传递熵和图论的脑肌功能网络运动疲劳检测方法；首先，通过64导联脑电帽和肌电采集仪采集了10通道脑电信号和尺侧腕屈肌、屈指浅肌、桡侧腕屈肌的表面肌电信号。结合符号传递熵和图论知识建立了脑肌功能网络，并提取了网络特征向量用于K最近邻算法训练分类器，最终用于检测运动疲劳。该方法克服了传统的基于生物电信号的运动疲劳检测方法中未全面考虑脑肌协作进行运动控制的缺点，将脑电信号和肌电信号结合进行运动疲劳检测，结果显示该方法在运动疲劳检测中具有较高的准确率。
基于符号传递功能网络运动疲劳检测方法

[发明专利]基于EEMD与DSS-ApEn的脑电信号消噪方法-CN201810462011.X有效
发明人：孟明;杨国雨;佘青山;马玉良;罗志增 -专利权人：杭州电子科技大学
申请日： 2018-05-15 - 公布日： 2021-02-19 - 主分类号： A61B5/372 文献下载
摘要：本发明提出了一种基于EEMD与DSS‑ApEn的脑电信号消噪方法。利用EEMD分解算法将含噪脑电信号分解为若干个内蕴模态函数IMF(Intrinsic Mode Functions)分量，滤除最高频分量后的IMF分量应用DSS分离出各独立源信号，再选择频谱近似熵最大的独立源信号作为去噪信号。本发明提出的消噪方法消噪后的脑电信号波形相对清晰，更重要的是原始信号的细节特征也被很好地保留下来。
基于 eemd dss apen 电信号方法

[发明专利]基于高斯Copula传递熵的肌间耦合网络分析方法-CN202010715620.9在审
发明人：王洪安;佘青山;范影乐;罗志增 -专利权人：杭州电子科技大学
申请日： 2020-07-23 - 公布日： 2020-11-13 - 主分类号： G06F17/18 文献下载
摘要：本发明公开了一种基于高斯Copula传递熵的肌间耦合网络分析方法。本发明首先采用高斯Copula函数估计传递熵，然后采集了8名健康被试和5名卒中患者执行及物运动任务时5通道的表面肌电信号，利用快速傅里叶变换提取出α、β和γ频段信息，进而采用高斯Copula传递熵作为测度建立肌间耦合网络，最后通过网络拓扑参数分析肌间特征频段的功能耦合和信息流向特征。本发明避免了对联合概率密度的估计，能更好地推断出复杂网络中因果关系，对于挖掘潜在的运动控制机制和运动功能康复评估具有良好的应用价值。
基于 copula 传递耦合网络分析方法

[发明专利]一种基于双规则主动超限学习机的多类脑电分类方法-CN201811577681.2有效
发明人：佘青山;陈康;席旭刚;罗志增 -专利权人：杭州电子科技大学
申请日： 2018-12-20 - 公布日： 2020-10-27 - 主分类号： G06K9/00 文献下载
摘要：本发明提出了一种基于双规则主动超限学习机的多类脑电分类方法。本发明方法采用主动学习核心思想，首先依据超限学习机分类器评价无标签样本的不确定性，其次根据余弦相似规则剔除了相似性高的无标签样本，得到最有价值的少量无标签样本进行标注，然后利用这些筛选出的数据对超限学习机进行训练，最大化利用有标签脑电信号内部信息，从而减少对有标签脑电数据的依赖，并获得较高的运动想象任务多分类的准确性。该方法在脑‑机接口领域具有广阔的应用前景。
一种基于规则主动超限学习机多类脑电分类方法

[发明专利]一种基于肌电的机械手动作速度比例控制方法-CN201711019198.8有效
发明人：席旭刚;杨晨;张卫;罗志增;孟明;蒋鹏;甘海涛 -专利权人：杭州电子科技大学
申请日： 2017-10-26 - 公布日： 2020-08-25 - 主分类号： B25J3/00 文献下载
摘要：本发明公开了一种基于肌电的机械手动作速度比例控制方法；首先，通过肌电采集仪采集尺侧腕伸肌和桡侧腕屈肌的表面肌电信号，通过能量阈值法确定动作的起始位置和终止位置作为动作肌电信号，提取信号的平滑窗平均功率；用小波分析法对原始表面肌电信号进行多尺度分解，提取信号多尺度模糊熵特征，并和平均功率组成特征向量输入扩展的K最近邻模型分类器，识别手部动作，同时通过正交多项式拟合操作者与机械手动作速度，最终控制机械手以相应的速度完成相应的动作。本发明提高了人机交互的自然性和主动性，从而提高了操作的准确性和便捷性，降低了机械手操作的危险等级，使机械手可以完成相对复杂、危险的任务。
一种基于机械手动作速度比例控制方法

[发明专利]一种适用于深度图像的人体目标跟踪方法-CN201710322399.9有效
发明人：孟明;张松;王子健;马玉良;高云园;罗志增 -专利权人：杭州电子科技大学
申请日： 2017-05-09 - 公布日： 2020-05-26 - 主分类号： G06T7/292 文献下载
摘要：本发明提出了一种适用于深度图像的人体目标跟踪方法。本发明首先利用人体目标深度值，基于阈值判断设计一种目标模板更新方法。其次，通过计算Kalman滤波器的预测位置与当前跟踪框的质心位置距离，判断跟踪是否受障碍物干扰而使跟踪框跳变，设计一种障碍物屏蔽方法，消除障碍物区域对跟踪的干扰。然后通过人体目标检测的方法实现再跟踪。最后基于阈值判断，设计屏蔽障碍物解除的机制，使深度相机改变视角后，解除视角改变前的障碍物区域屏蔽。本发明使得深度图像中人体目标的跟踪成功率有明显的提高。
一种适用于深度图像人体目标跟踪方法

[发明专利]基于图半监督宽度学习的脑电信号分类方法-CN201910835899.1在审
发明人：佘青山;周宇凯;罗志增 -专利权人：杭州电子科技大学
申请日： 2019-09-05 - 公布日： 2020-01-21 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于图半监督宽度学习分类方法。本发明通过图扩展方法将有标签样本的标签扩展至无标签样本，从而将有标签样本和无标签样本送入分类器进行训练，实现半监督算法。本发明首先通过构造一个基于样本数据间相似性的图，同时在构图中加入样本间差异性正则项，使之构造的用于标签扩展的图更准确。接着将有标签和无标签样本送入分类器进行训练，得到半监督分类器模型并进行优化求解，主要是获得从输入层到输出层的权重矩阵，这样在测试集进行测试时输入的样本通过权重矩阵就可得到相应的标签。本发明在脑电信号处理、脑机接口系统中具有广阔的应用前景。
无标签样本样本半监督标签标签扩展权重矩阵分类器送入脑电信号处理脑机接口系统分类器模型样本数据优化求解测试集差异性输出层输入层算法测试分类应用学习

[发明专利]一种基于自主手部动作的增强型脑肌相干方法-CN201910758670.2在审
发明人：马存斌;罗志增;席旭刚;孙紫阳;姜文俊 -专利权人：杭州电子科技大学
申请日： 2019-08-16 - 公布日： 2019-11-19 - 主分类号： A61B5/0476 文献下载
摘要：本发明涉及一种基于自主手部动作的增强型脑肌相干方法。首先，在手部自主动作过程中同步采集对应上肢EMG信号和皮层EEG信号并去噪，然后基于EMG信号的突发脉冲点对同步的EEG信号进行采样，接着用窗函数对采样的EEG信号进行移动平均处理，并再次基于EMG突发脉冲点对EEG采样，再重新组装以得到能够更好地反映肌肉运动的EEG信号。最后，使用幅度平方相干来计算上述预处理过后EEG‑EMG相干估计值，分析Beta和Gamma频段中同手部自主运动的相干性，以验证该方法的可靠性。该方法的相干分析的结果不仅可以正确反映皮层和肌肉之间的耦合关系，而且可以更清晰表明在不同的手部自主运动下的EEG‑EMG相干特性。
相干采样手部突发脉冲皮层预处理动作过程幅度平方肌肉运动手部动作同步采集相干特性移动平均重新组装耦合关系上肢窗函数同步的相干性增强型频段去噪肌肉分析验证清晰