基于变分模态分解和约束独立分量分析的人体心率变异性与呼吸率测量方法

    公开(公告)号:CN114580464B

    公开(公告)日:2025-05-09

    申请号:CN202210126540.9

    申请日:2022-02-10

    Abstract: 本发明公开了一种基于变分模态分解(VMD)和约束独立分量分析(cICA)的人体心率变异性(HRV)与呼吸率(RR)测量方法,该方法对人体面部视频数据进行像素相干平均运算,将其转化为RGB观测信号,并对RGB观测信号进行预处理操作以实现标准化。接着对G通道信号使用VMD算法进行4通道分解,以分解出的4通道分量中频谱峰值最大的分量为基础求出血流量脉冲(BVP)的参考信号。基于该参考信号,使用cICA算法从RGB观测信号中分离出BVP源信号,并运用VMD算法对BVP源信号进行4通道分解,从分离出的4通道分量中提取出优质脉搏波成分,进一步求得HRV参数和RR。本发明能够回避传统盲源分离/独立分量分析算法中固有的源排序模糊问题,并具备较好的抗噪声干扰性,在该领域具有较好的应用前景。

    少样本的司法庭审文件实体提取方法、系统及存储介质

    公开(公告)号:CN119647476A

    公开(公告)日:2025-03-18

    申请号:CN202411779498.6

    申请日:2024-12-05

    Abstract: 本发明涉及一种少样本的司法庭审文件实体提取方法、系统及存储介质。少样本的司法庭审文件实体提取方法包括将司法庭审文件以句子为单位输入到语言处理模型中生成三个嵌入向量:上下文相关的嵌入特征向量#imgabs0#单词的词性嵌入特征向量#imgabs1#和模式特征嵌入特征向量#imgabs2#三个嵌入向量集合成特征融合向量ti;将特征融合向量ti输入到BiLSTM模型得到包含双向序列信息的特征融合向量ti′,将特征融合向量ti′输入到前馈神经网络中进行BIEOU标签预测。本发明采用数据增强技术扩充训练数据集,将增强后的数据与原始数据混合,从而解决了司法庭审文件民事起诉状中训练样本不足的问题。同时根据预测序列和实体类型序列能够实现对司法文件中各类实体的精准识别。

    一种脑电多指标网络规范化建模方法与系统

    公开(公告)号:CN119598136A

    公开(公告)日:2025-03-11

    申请号:CN202510142637.2

    申请日:2025-02-10

    Applicant: 安徽大学

    Abstract: 本发明公开了一种脑电多指标网络规范化建模方法,包括以下步骤:S1:采用基于大规模全生命周期多国家脑电交叉谱数据集作为原始脑电数据,计算原始脑电数据的交叉谱矩阵,并对原始脑电交叉谱矩阵进行预处理;S2:利用预处理后的原始脑电交叉谱矩阵构建加权无向网络,作为脑功能网络;S3:计算所述脑功能网络的脑网络功能整合、功能分离及中心性三个维度的网络特征,并建立所述网络特征的演化轨迹;S4:设计一个具有可解释性的轻量级神经网络回归模型,对脑功能网络的上三角元素进行重构得到完整的脑功能网络,即此年龄对应的规范化脑功能网络。还公开了一种脑电多指标网络规范化建模系统。本发明能更准确地反映脑功能网络的原理。

    一种跨被试小样本学习的运动想象识别方法及其系统

    公开(公告)号:CN118916788B

    公开(公告)日:2024-12-10

    申请号:CN202411405827.0

    申请日:2024-10-10

    Applicant: 安徽大学

    Abstract: 本发明公开了一种跨被试小样本学习的运动想象识别方法,其特征在于,包括以下步骤:S1:获取多个受试者的脑电信号,划分为训练集和目标域数据并进行数据预处理;S2:将训练集和目标域数据合称为支持集,对训练集和支持集使用数据增强技术生成混合集;S3:通过预训练阶段利用大量标注数据训练初始模型;S4:利用混合集和支持集通过双重损失函数对所述预训练模型进行微调;S5:通过迭代训练使总损失函数值收敛,得到一个针对目标受试者准确率高的运动想象跨被试识别模型。还公开了一种跨被试小样本学习的运动想象识别系统。本发明通过生成具有代表性的合成数据,结合目标域数据进行训练,能够显著提升运动想象跨被试的分类准确率。

Patent Agency Ranking