数据分类方法、装置、设备及存储介质

    公开(公告)号:CN119089253A

    公开(公告)日:2024-12-06

    申请号:CN202310657792.9

    申请日:2023-06-05

    Abstract: 本申请公开了一种数据分类方法、装置、设备及存储介质,涉及人工智能技术领域。所述方法包括:获取包括n个呈周期性连续变化的数据片段的输入数据,n为大于1的整数;获取n个数据片段分别对应的独立特征表示,该独立特征表示用于表征数据片段;根据输入数据中前m个数据片段分别对应的独立特征表示,生成连续特征表示,该连续特征表示用于表征输入数据,m为小于n的正整数;根据连续特征表示和第n个数据片段对应的独立特征表示,生成第n个数据片段对应的最终特征表示;根据第n个数据片段对应的最终特征表示,得到第n个数据片段对应的分类结果。本申请实施例能够提高分类结果获取过程的可解释性,以及分类结果的获取准确性。

    N缺位高纯Ti2AlN粉体材料及其制备方法

    公开(公告)号:CN110407585A

    公开(公告)日:2019-11-05

    申请号:CN201910833225.8

    申请日:2019-09-04

    Abstract: 一种N缺位非化学计量比高纯Ti2AlN MAX粉体材料及其制备方法。本发明的镁基复合材料成分如下:Ti2AlN中的N含量不在是1,而是可处于0.85和1.0区间内,如摘要图所示,a和c轴的晶格参数可以通过N含量来进行调节;其N缺位的Ti2AlN陶瓷显微结构为疏松多孔,而且Ti2AlN的晶粒大小可以调控。制备方法:(1)配料:将商用的Ti粉,Al粉and AlN粉按照Ti:Al:N=2:(1.05-1.0):(0.85-1.0)的比例进行配比;(2)混料;(3)压坯;(4)烧结温度升在1400℃-1480℃,保温在10-40mins;(5)破碎及球磨;(6)干燥并过筛。

    基于任务难度感知的飞行员抗应激能力评分方法

    公开(公告)号:CN118749927A

    公开(公告)日:2024-10-11

    申请号:CN202410775071.2

    申请日:2024-06-17

    Abstract: 基于任务难度感知的飞行员抗应激能力评分方法,涉及心理状态评估技术领域及计算机程序技术领域。包括数据采集步骤、数据预处理步骤、压力源表征步骤、能力表现基本项建模步骤、能力表现个性化项建模步骤、映射主过程步骤以及模型评估步骤。本发明考虑到飞行员在不同任务难度下应激反应表现的动态反馈过程,以定量评分的方式精准地评估特定任务难度下受试飞行员的抗应激能力,进一步实现了不同飞行员个体间的个性化特征提取方案。完成了不同任务难度到受试者抗应激水平的细粒度级评估关系映射,可实现在不同任务难度下飞行员抗应激能力的个性化动态评估,进而为飞行员训练方案设置以及任务执行人选的决策提供有效建议。

    一种情绪识别模型的构建方法、情绪识别方法及系统

    公开(公告)号:CN115048958A

    公开(公告)日:2022-09-13

    申请号:CN202210648183.2

    申请日:2022-06-08

    Abstract: 本发明提供了一种情绪识别模型的构建方法、情绪识别方法及系统,属于情绪识别领域。所述模型构建方法先采集预定时间段内包含不同情绪的62导联脑电信号,去噪后滤除无效波段,再根据产生情绪的时间起止点,进行数据切分,保留起止点之间的有效脑电信号片段作为样本;基于时间近邻法提取第一正样本子集;在每个样本内提取五个波段的功率谱密度、计算微分熵特征,并构建节点特征表示,并基于节点特征表示提取第二正样本子集;再建立脑网络图,在每个样本内分别计算导联间两两之间的锁相值,并得到当前样本对应的脑网络图的邻接矩阵并构建拓扑结构特征表示,再提取第三正样本子集,取并集得到最终的正负样本集,训练后得到成熟的情绪识别模型。

    一种情绪识别模型的构建方法、情绪识别方法及系统

    公开(公告)号:CN115048958B

    公开(公告)日:2025-02-11

    申请号:CN202210648183.2

    申请日:2022-06-08

    Abstract: 本发明提供了一种情绪识别模型的构建方法、情绪识别方法及系统,属于情绪识别领域。所述模型构建方法先采集预定时间段内包含不同情绪的62导联脑电信号,去噪后滤除无效波段,再根据产生情绪的时间起止点,进行数据切分,保留起止点之间的有效脑电信号片段作为样本;基于时间近邻法提取第一正样本子集;在每个样本内提取五个波段的功率谱密度、计算微分熵特征,并构建节点特征表示,并基于节点特征表示提取第二正样本子集;再建立脑网络图,在每个样本内分别计算导联间两两之间的锁相值,并得到当前样本对应的脑网络图的邻接矩阵并构建拓扑结构特征表示,再提取第三正样本子集,取并集得到最终的正负样本集,训练后得到成熟的情绪识别模型。

Patent Agency Ranking