-
Patent Agency Ranking
公开(公告)号：CN106157315A
公开(公告)日：2016-11-23
申请号：CN201610550706.4
申请日：2016-07-11
Applicant: 山东大学
CPC classification number: G06T7/0012 , G06K9/6267 , G06T2207/10088
Abstract: 本发明公开了一种用基于张量的最优评分算法来进行阿尔茨海默病诊断分类的方法。该方法利用预处理后的脑灰质数据，通过基于张量的最优评分得到稀疏判别分析的目标函数，通过交替迭代算法求解最优化问题，得到数据在每一维度上的投影向量，利用投影向量将其映射到判别子空间进行分类。本发明利用基于张量的最优评分算法通过交替迭代法分别求得数据每一维度上的投影向量，保存了数据内部本身有用的信息，从而提高了对阿尔茨海默病诊断分类的精度。
-
公开(公告)号：CN105787459A
公开(公告)日：2016-07-20
申请号：CN201610142988.4
申请日：2016-03-14
Applicant: 山东大学
IPC: G06K9/00
CPC classification number: G06K9/00536 , G06K9/00503
Abstract: 本发明公开了一种利用基于最优评分的稀疏判别分析对小样本数据集下脑电ERP信号进行分类的方法。该方法利用预处理后的数据，通过最优得分以及l1惩罚项得到稀疏判别分析的目标函数，通过交替迭代算法求解最优化问题，得到特征投影向量，利用投影向量将数据映射到稀疏判别子空间进行投票分类。本发明利用基于最优评分的稀疏判别分析的方法通过交替迭代算法求解特征投影向量，最终提高了小样本训练集下脑电ERP信号的分类正确率。
-
公开(公告)号：CN108717535A
公开(公告)日：2018-10-30
申请号：CN201810516139.X
申请日：2018-05-25
Applicant: 山东大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于混合特征和长短时记忆网络LSTM的麻醉深度估计方法。该方法利用提取的脑电信号，首先进行去噪处理，然后提取脑电信号的熵特征以及频谱特征，再将熵特征与频谱特征混合并归一化后作为LSTM的输入，通过一个三层的网络进行训练，训练标签由呼吸末浓度以及药代药效动力学获得。本发明借助LSTM对前一时刻的特征信息进行了利用，并与当前时刻的特征进行结合，有效的利用了脑电信号本身所具有的时序特征，提高了麻醉深度估计的准确度。
-
公开(公告)号：CN108717535B
公开(公告)日：2021-06-01
申请号：CN201810516139.X
申请日：2018-05-25
Applicant: 山东大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于混合特征和长短时记忆网络LSTM的麻醉深度估计方法。该方法利用提取的脑电信号，首先进行去噪处理，然后提取脑电信号的熵特征以及频谱特征，再将熵特征与频谱特征混合并归一化后作为LSTM的输入，通过一个三层的网络进行训练，训练标签由呼吸末浓度以及药代药效动力学获得。本发明借助LSTM对前一时刻的特征信息进行了利用，并与当前时刻的特征进行结合，有效的利用了脑电信号本身所具有的时序特征，提高了麻醉深度估计的准确度。
-
公开(公告)号：CN105787459B
公开(公告)日：2019-02-05
申请号：CN201610142988.4
申请日：2016-03-14
Applicant: 山东大学
IPC: G06K9/00
Abstract: 本发明公开了一种利用基于最优评分的稀疏判别分析对小样本数据集下脑电ERP信号进行分类的方法。该方法利用预处理后的数据，通过最优得分以及l1惩罚项得到稀疏判别分析的目标函数，通过交替迭代算法求解最优化问题，得到特征投影向量，利用投影向量将数据映射到稀疏判别子空间进行投票分类。本发明利用基于最优评分的稀疏判别分析的方法通过交替迭代算法求解特征投影向量，最终提高了小样本训练集下脑电ERP信号的分类正确率。
-
-
-
-
Search Results
5
records
(took 0.019 seconds)
