龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：电子科技大学
摘要：本发明公开了一种缺失脑电模态下的工作负荷识别方法，属于生理信号识别领域。本发明首先对原始的包含脑电信号的多模态数据进行简单的预处理，然后利用对不同的生理信号模态进行时域特征和频域特征的提取，使得特征包含的特征更加的全面；紧接着为了使得在推理过程中能够获得脑电的特征，基于所设置的脑电特征生成模块，通过增大脑电特征和其他特征之间的互信息使得生成的难度更低，从而使得模型在缺失脑电模态时也能拥有丰富的特征；为了减少融合特征中的冗余特征，使用了自编码器对特征进行降维。针对脑电信号的不便于采集，本发明能够帮助基于脑电开发的工作负荷识别模型在实际应用中进行部署，保障工作负荷识别模型的应用落地。
主权项：1.缺失脑电模态下的工作负荷识别方法，其特征在于，包括下列步骤：步骤1，设置工作负荷识别模型，其包括生理信号特征提取网络、脑电特征生成模块、特征融合模块和分类器；其中，生理信号特征提取网络用于不同模态的生理信号的信号特征；脑电特征生成模块的输入为非脑电信号的生理信号的信号特征，获取不同模态之间的交互信息特征，再融合所有交互信息特征得到其输出特征，即生成的脑电信号特征；特征融合模块用于对生理信号特征提取网络输出的非脑电信号的信号特征和生成的脑电信号特征进行去冗余的特征融合，得到用于输入分类器的多模态去冗特征；分类器用于输出工作负荷类别的分类概率；步骤2，基于采集的训练数据集对工作负荷识别模型进行训练，以得到训练好的工作负荷识别模型；训练时，总损失函数为脑电特征生成模块的损失函数、特征融合模块的损失函数和分类损失的加权和；其中，脑电特征生成模块的损失函数包括重建损失和交互信息损失。
全文数据：
权利要求：
百度查询： 电子科技大学 缺失脑电模态下的工作负荷识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号