买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京信息工程大学

摘要：本发明涉及一种基于Dropout‑MTN的晕车状态识别方法，采用全新策略、以及网络结构设计，基于脑部表面预设各检测位置脑电信号波形、结合相应真实晕车状态类别所构建脑电检测样本，联系Dropout层，针对自输入端至输出端依次串联输入层、多项式层、全连接层、Softmax层、输出层的待训练网络，执行网络训练，获得晕车状态识别模型用于实际应用；设计方案简化模型复杂度、提升模型泛化能力的同时，使所设计Dropout‑MTN可以快速地实现对于晕车状态的高精度分类，并且网络结构简单，不需要进行大量的网络训练，计算复杂度低，与常用的机器学习分类器相比，能够在不降低分类准确率的同时提高检测速度。

主权项：1.一种基于Dropout-MTN的晕车状态识别方法，其特征在于：执行如下步骤A至步骤C，获得晕车状态识别模型，然后执行步骤i，应用晕车状态识别模型，完成目标人物对应目标时长段的晕车状态识别；步骤A.基于与目标时长段相等的样本检测时长段，分别针对预设数量待分析人物，获得待分析人物脑部表面预设各检测位置分别对应样本检测时长段的脑电信号波形，构成待分析人物对应样本检测时长段的多维脑电检测信号波形，同时基于预设包括不晕车状态类别的各个晕车状态类别，获得待分析人物对应样本检测时长段的真实晕车状态类别，并以多维脑电检测信号波形、该真实晕车状态类别构成脑电检测样本，即获得各待分析人物分别对应的脑电检测样本，然后进入步骤B；步骤B.构建自输入端至输出端依次串联输入层、多项式层、全连接层、Softmax层、输出层的待训练网络，然后进入步骤C；步骤C.基于待训练网络中多项式层与全连接层之间串联Dropout层所构成的辅助待训网络，根据各脑电检测样本，以脑电检测样本中多维脑电检测信号波形为输入、晕车状态类别为输出，针对辅助待训网络进行训练，进而实现对待训练网络的训练，获得待训练网络对应的晕车状态识别模型；步骤i.采集目标人物脑部表面预设各检测位置分别对应目标时长段的脑电信号波形，构成目标人物对应目标时长段的多维脑电检测信号波形，并应用晕车状态识别模型，获得目标人物对应目标时长段的晕车状态类别，完成目标人物对应目标时长段的晕车状态识别。

全文数据：

权利要求：

百度查询： 南京信息工程大学 一种基于Dropout-MTN的晕车状态识别方法