专利汇可以提供基于分形特征的脑电信号处理及警觉度检测方法专利检索,专利查询,专利分析的服务。并且一种 信号 处理技术领域的基于分形特征的脑 电信号 处理及警觉度检测方法,通过在包括受试者在内的多个样本上采集多组脑电信号,然后分别为每组数据训练一个 随机森林 分类器;当需要进行受试者的警觉度预测时,再从受试者身上采集脑电信号后,使用与第一步相同的方法训练得到随机森林分类器,最后预测结果是所有随机森林的投票结果。本 发明 使用分形长度和最大分形长度进行警觉度预测比 功率谱 使用特征更少、准确率更高,通过多分类器投票方法进一步减少采集 训练数据 的时间。,下面是基于分形特征的脑电信号处理及警觉度检测方法专利的具体信息内容。
1.一种基于分形特征的脑电信号处理及警觉度检测方法,其特征在于,包括以下步骤:
第一步、在包括受试者在内的多个样本上采集多组脑电信号,然后分别为每组数据训练一个随机森林分类器;
第二步、当需要进行受试者的警觉度预测时,再从受试者身上采集脑电信号后,使用与第一步相同的方法训练得到随机森林分类器,最后预测结果是所有随机森林的投票结果。
2.根据权利要求1所述的基于分形特征的脑电信号处理及警觉度检测方法,其特征是,所述的第一步,具体步骤包括:
1.1)从脑电信号序列段中计算最大分形长度和分形维度构成特征向量;
1.2)使用得到的特征向量训练随机森林并对所有特征进行重要性排序并根据排序结果对特征向量进行降维处理,得到可以区别不同警觉度的随机森林分类器。
3.根据权利要求1所述的基于分形特征的脑电信号处理及警觉度检测方法,其特征是,所述的脑电信号序列是指:经过人工观测去除伪迹以及受到干扰而被严重破坏的电极信号所余下的,经过带宽为1Hz-40Hz的有限冲击响应滤波器进行滤波处理后的脑电信号的序列。
4.根据权利要求1所述的基于分形特征的脑电信号处理及警觉度检测方法,其特征是,所述的最大分形长度通过以下方式获得:将脑电信号序列中相邻点的距离之和作为其最大分形长度。
5.根据权利要求1所述的基于分形特征的脑电信号处理及警觉度检测方法,其特征是,所述的分形维度是指:分形所涉及的非整数维度,计算方法是: 其中:L是最大分形长度,d是第一个点和距它最远的点的半径,计算公式为d=max(distance(1,i)),i表示第一个点的所有相邻点。
6.根据权利要求1所述的基于分形特征的脑电信号处理及警觉度检测方法,其特征是,所述的特征向量是指:在脑电信号序列所有可用通道上计算得到的最大分形长度和分形维度,组合后得到的N*T维的矩阵,其中:N是脑电极通道数,T是脑电信号序列上时间点的个数。
7.根据权利要求1所述的基于分形特征的脑电信号处理及警觉度检测方法,其特征是,所述的重要性排序是指:根据训练过程中给出的每一个特征的分类有效性对所有特征进行排序。
8.根据权利要求1所述的基于分形特征的脑电信号处理及警觉度检测方法,其特征是,所述的降维处理是指:去除有效性最低的特征后重新建立的随机森林。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种以太坊网络行为分析方法及相应存储介质与电子装置 | 2020-05-08 | 818 |
项目加速的自动评估 | 2020-05-11 | 820 |
一种断路器缺陷识别方法 | 2020-05-11 | 529 |
一种基于投票集成学习的心电数据智能分类方法 | 2020-05-12 | 330 |
基于深度森林的文本对象推荐方法 | 2020-05-11 | 660 |
基于上下文检测的智能手机隐式身份认证方法 | 2020-05-11 | 663 |
一种基于图分析的反欺诈检测方法及检测系统 | 2020-05-08 | 493 |
一种CNS药物关键特征识别方法 | 2020-05-08 | 725 |
一种基于基因谱的乳腺癌淋巴结转移预测方法及预测系统 | 2020-05-08 | 66 |
城市公共安全态势展示方法、装置、存储介质及电子设备 | 2020-05-08 | 170 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。