一种基于相对小波包熵脑网络和改进版lasso的运动想象脑电识别方法

    公开(公告)号:CN112949533A

    公开(公告)日:2021-06-11

    申请号:CN202110276094.5

    申请日:2021-03-15

    IPC分类号: G06K9/00

    摘要: 本发明公开了一种基于相对小波包熵脑网络和改进版lasso的运动想象脑电识别方法,包括:根据功率谱密度计算R²图,得到最大的频率波段并进行带通滤波;通过小波包方法对脑电信号的细节系数和近似系统进行提取并计算,得到小波包能量熵特征,并通过小波包能量熵值构建脑功能网络,提取脑网络的拓扑特征;并根据数据预处理中SCSP算法,得到方差特征;将三种特征进行融合,得到较高维度的特征矩阵;通过互信息和相关性的Lasso方法并结合Relief‑f算法进行特征选择,筛选出较小维度的特征矩阵。本发明不仅提取时空域特征,也将脑网络的拓扑特征一并提取,保留更多脑电特征信息;并结合互信息和相关性的Lasso方法和Relief‑f算法进行特征筛选,使特征选择出的特征更优秀。

    基于伪负样本的数据平衡方法及提高数据分类性能的方法

    公开(公告)号:CN109272056A

    公开(公告)日:2019-01-25

    申请号:CN201811280097.0

    申请日:2018-10-30

    IPC分类号: G06K9/62

    摘要: 本发明公开了一种基于伪负样本的数据平衡方法及提高数据分类性能的方法,包括步骤:步骤1:正负样本分离,得到正样本集和负样本集;步骤2:计算得到负样本皮尔逊相关系数集合;步骤3:将伪负样本集和被挑选样本集初始化;步骤4:使用最大相关-最小冗余方法计算权重,得到权重集合;步骤5:挑选出最大权重,更新伪负样本集和被挑选样本集;步骤6:重复步骤4和步骤5,直到挑选出伪负样本集;步骤7:将挑选出的伪负样本集并入正样本集,同时,从所述负样本集中剔除挑选出的伪负样本集;本发明首次提出并定义了伪负样本的概念,提出的算法可提高数据分类准确性,进而提高分类器性能,特别是在处理不平衡的生物信息数据方面优势明显。

    基于独立分量分析网络的人脸识别方法

    公开(公告)号:CN107622225A

    公开(公告)日:2018-01-23

    申请号:CN201710620955.0

    申请日:2017-07-27

    IPC分类号: G06K9/00

    摘要: 本发明涉及一种基于独立分量分析网络的人脸识别方法,所述方法包括以下步骤:步骤1:对输入的人脸图像进行裁剪、对齐、归一化预处理;步骤2:采用一组已经训练好的ICA滤波得到一组映射图像;步骤3:对每张映射图像进行非线性与池化处理以获取更高效的特征映射图像;步骤4:对每张映射图像进行分块的LBP编码,然后全部串起来得到特征表达;步骤5:对特征表达进行WPCA降维,最后采用余弦相似测量对两张人脸图像进行识别验证。本发明采用训练好的ICA滤波应用到CNN中构成单身网络,基于ICA滤波不同的感知区域得到多尺度信息。在人脸识别中能够保证较高的识别率,同时有效地降低计算量,便于推广应用。

    一种基于多模态深度神经网络的驾驶注意力检测方法

    公开(公告)号:CN116807479B

    公开(公告)日:2023-11-10

    申请号:CN202311086072.8

    申请日:2023-08-28

    摘要: 本发明公开了一种基于多模态深度神经网络的驾驶注意力检测方法,属于驾驶注意力检测技术领域,为了解决现有驾驶注意力检测过程中用单一模态的指标去进行检测的可靠性不足的技术问题,包括:S1:获取原始公开数据集中的脑电数据和眼电数据;S2:分别对所述脑电数据和所述眼电数据进行预处理,得到预处理后的眼电数据和预处理后的脑电数据;S3:根据所述预处理后的眼电数据和所述预处理后的脑电数据,对多模态深度神经网络进行训练,得到训练好的多模态深度神经网络;S4:利用所述训练好的多模态深度神经网络对驾驶输入图像进行注意力检测,得到驾驶注意力检测结果。本发明能够有效地提升检测结果的准确性。

    一种交互式单细胞ATAC-seq数据分析系统及方法

    公开(公告)号:CN116884500A

    公开(公告)日:2023-10-13

    申请号:CN202310861912.7

    申请日:2023-07-13

    IPC分类号: G16B40/00 G16B20/30

    摘要: 本发明公开了一种交互式单细胞ATAC‑seq数据分析系统及方法,本发明以scATAC‑seq特征峰的DNA序列作为数据集,利用基于scATAC‑seq特征峰的DNA序列作为数据集以此完成各个序列特征峰在各细胞中的染色质可及性、单细胞聚类、单细胞ATAC‑seq数据降噪、转录因子活性推断的任务。进一步地,本发明基于LoRA微调、Prefix微调与Adapter微调将预训练大模型适配到各个分析任务中,并以此搭建在线的交互式分析平台,有效降低了微调大型预训练模型的成本,使得生物信息学家可以轻松地进行单细胞ATAC‑seq数据分析,而无需掌握编程知识。

    一种基于进化GAN的心脏磁共振图像数据增强方法

    公开(公告)号:CN111861924B

    公开(公告)日:2023-09-22

    申请号:CN202010715325.3

    申请日:2020-07-23

    IPC分类号: G06T5/00

    摘要: 本发明涉及一种基于进化GAN的心脏磁共振图像数据增强方法,该方法在训练生成器时,对生成器进行突变生成多个子代生成器,通过适应性分数函数来评判多个生成器的适应性分数,根据分数来选择最优的子代生成器作为下一个迭代的父代生成器,同时在判别器训练阶段,结合特征向量的线性插值合成新的训练样本并生成相关的线性插值标签,不仅拓展了整个训练集的分布,也对离散样本空间进行连续化并且提高了领域间的平滑性,从而使得模型能够更好地得到训练。本发明的方法图像增强方法,能够生成高质量且多样的样本对训练集进行扩充,最终提高了分类结果的各项指标。