基于序数划分网络的多通道生理时间序列情绪识别方法

    公开(公告)号:CN116269386B

    公开(公告)日:2024-06-11

    申请号:CN202310232732.2

    申请日:2023-03-13

    Abstract: 本发明公开一种基于序数划分网络的多通道生理时间序列情绪识别方法,适用于人机交互下的不同情绪的识别。通过采集被试者不同情绪下的多通道生理时间序列,经过序数划分方法对其分别进行符号化进而构建序数划分网络,进一步将每条生理时间序列构成的序数划分网络看作节点,计算两两生理时间序列之间的差异性,并将其作为节点间的连边权重进而构造全连接无向加权网络,最后将不同情绪下的全连接无向加权网络作为图神经网络的输入进行分类。该方法结合序数划分网络与图神经网络,且融合了多元生理器官时间序列,且其计算简便步骤简单,对不同情绪都有很高的识别效率,能够有效地对人机交互活动提供帮助。

    基于序数划分网络的多通道生理时间序列情绪识别方法

    公开(公告)号:CN116269386A

    公开(公告)日:2023-06-23

    申请号:CN202310232732.2

    申请日:2023-03-13

    Abstract: 本发明公开一种基于序数划分网络的多通道生理时间序列情绪识别方法,适用于人机交互下的不同情绪的识别。通过采集被试者不同情绪下的多通道生理时间序列,经过序数划分方法对其分别进行符号化进而构建序数划分网络,进一步将每条生理时间序列构成的序数划分网络看作节点,计算两两生理时间序列之间的差异性,并将其作为节点间的连边权重进而构造全连接无向加权网络,最后将不同情绪下的全连接无向加权网络作为图神经网络的输入进行分类。该方法结合序数划分网络与图神经网络,且融合了多元生理器官时间序列,且其计算简便步骤简单,对不同情绪都有很高的识别效率,能够有效地对人机交互活动提供帮助。

    基于多元可视图神经网络模型的情绪识别方法

    公开(公告)号:CN117113171B

    公开(公告)日:2024-09-24

    申请号:CN202310965026.9

    申请日:2023-08-02

    Abstract: 本发明公开一种基于多元可视图神经网络模型的情绪识别方法,属于计算机情感识别技术领域。采集人体二十二个不同部位的电信号,并记录当前的影片的情感状态,对数据进行预处理形成N组二十二维时间序列,对于每一组数据利用可视图算法将二十二维时间序列转化为二十二张可视图,然后统计每张可视图的度分布情况,生成二十二维度分布序列。构建基于多元可视图的神经网络模型,多元可视图的神经网络模型通过学习不同通道间度分布关系以及原时间序列间时序特征来构成动态图,通过Adam算法来进行调节神经网络模型,模型训练完成后即可用以对输入数据进行情绪识别方法。其能够模拟出不同模态之间的复杂关系,能够有效提高识别准确度。

    基于智能感知气囊的用户姿态调整方法及装置

    公开(公告)号:CN116983599A

    公开(公告)日:2023-11-03

    申请号:CN202310682363.7

    申请日:2023-06-08

    Abstract: 本发明公开了一种基于智能感知气囊的用户姿态调整方法及装置,该方法应用于智能感知气囊,智能感知气囊包括传感器组和至少一个气囊,该方法包括:根据实时采集到的用户的运动传感数据,确定运动传感数据对应的运动融合特征,其中,运动传感数据是基于传感器组采集得到的;将运动融合特征输入至预先训练好的卷积神经网络模型,得到姿态识别结果,姿态识别结果包括用户的当前姿态;根据所述姿态识别结果,确定智能感知气囊的第一控制参数;根据智能感知气囊的第一控制参数,控制智能感知气囊执行第一控制参数对应的充气/放气操作,以调整用户的训练姿态。可见,实施本发明能够提高姿态调整精准性,以提高用户姿态训练效率。

    基于智能感知气囊的姿态训练计划生成方法及装置

    公开(公告)号:CN116899188A

    公开(公告)日:2023-10-20

    申请号:CN202310692035.5

    申请日:2023-06-12

    Abstract: 本发明公开了一种基于智能感知气囊的姿态训练计划生成方法及装置,该方法应用于智能感知气囊,智能感知气囊包括传感器组和至少一个气囊,该方法包括:采集用户对应的训练信息;确定训练信息对应的目标权重;根据训练信息和训练信息对应的目标权重,生成用户的第一姿态训练计划,第一姿态训练计划用于确定智能感知气囊的控制参数,智能感知气囊的控制参数用于在用户使用智能感知气囊进行姿态训练时,控制智能感知气囊执行控制参数对应的充气/放气操作,以引导用户根据第一姿态训练计划调整用户的姿态。可见,实施本发明能够提高姿态训练计划的生成准确性,有利于提高用户姿态调整准确性。

    基于多元可视图神经网络模型的情绪识别方法

    公开(公告)号:CN117113171A

    公开(公告)日:2023-11-24

    申请号:CN202310965026.9

    申请日:2023-08-02

    Abstract: 本发明公开一种基于多元可视图神经网络模型的情绪识别方法,属于计算机情感识别技术领域。采集人体二十二个不同部位的电信号,并记录当前的影片的情感状态,对数据进行预处理形成N组二十二维时间序列,对于每一组数据利用可视图算法将二十二维时间序列转化为二十二张可视图,然后统计每张可视图的度分布情况,生成二十二维度分布序列。构建基于多元可视图的神经网络模型,多元可视图的神经网络模型通过学习不同通道间度分布关系以及原时间序列间时序特征来构成动态图,通过Adam算法来进行调节神经网络模型,模型训练完成后即可用以对输入数据进行情绪识别方法。其能够模拟出不同模态之间的复杂关系,能够有效提高识别准确度。

    一种基于二元生理系统的动态相互作用网络分析方法

    公开(公告)号:CN116612896A

    公开(公告)日:2023-08-18

    申请号:CN202310236004.9

    申请日:2023-03-13

    Abstract: 本发明公开一种基于二元生理系统的动态相互作用网络分析方法,属于动态生理网络技术领域。选定二元器官系统,同步采集睡眠阶段这一生理状态转变前后的生理信号,利用滚动时间窗口进行分段预处理;选定两生理信号段为相互作用对,使用相关系列参数得到相互作用对的时间延迟序列,在此基础上评估相互作用的强度、方向等属性;以各时间窗口为层,每一层网络中的节点定义为该层所对应时刻的生理信号段,借助时间延迟序列特征建立有向加权连边,构建层内、层间链接,使用图论方法表征多层时序生理网络;分析生理状态转变前后二元器官系统间相互作用的强度变化、总体因果效应。其结构简单,使用方便,通过相互作用变化检测人体睡眠阶段变化。

Patent Agency Ranking