公开(公告)号：CN118133096A

公开(公告)日：2024-06-04

申请号：CN202311204678.7

申请日：2023-09-19

Applicant: 湖州师范学院

Inventor： 苗敏敏 ,  王竞茜 ,  胡文军

IPC: G06F18/241 ,  G06F18/213 ,  G06F18/10 ,  G06N3/0464 ,  G06N3/082 ,  G06F18/214 ,  G06F18/21

Abstract: 本发明公开了一种基于可解释轻量级模型的运动想象脑电分类方法，包括：对原始脑电信号进行预处理；设计轻量级和可解释的浅层卷积神经网络，构建Sinc卷积层学习带通滤波器以提取时频域特征，采用空间深度卷积层减少信道连接并学习空间滤波器，应用全连接层完成脑电特征分类；对运动想象脑电信号进行可解释性分析，引入事后解释SHAP方法刻画特征重要性，定位识别运动想象脑电特定类别的重要导联。本发明能够捕获和融合不同频率范围的信息，对空间特征进行学习，提高数据处理的效率和分类的准确性，增加模型的可解释性。

公开(公告)号：CN118078283A

公开(公告)日：2024-05-28

申请号：CN202311248504.0

申请日：2023-09-26

Applicant: 湖州师范学院

Inventor： 苗敏敏 ,  朱逵 ,  胡文军 ,  王士同

IPC: A61B5/16 ,  A61B5/372 ,  A61B5/00

Abstract: 本发明公开了一种基于脑电时频转换及混合神经网络的警觉度估计方法，首先采用短时傅里叶变换将每个导联的一维脑电时间信号序列转换为二维时频图，并使用卷积神经网络和双向长短期记忆网络相结合的混合神经网络提取时频特征，最后建立回归模型进行警觉度状态估计。本发明包括脑电信号采集及预处理、时频转换、时频特征提取和警觉度状态回归估计等步骤。实验结果表明，卷积神经网络和双向长短期记忆网络相结合的混合神经网络能准确提取脑电时频特征，在此基础上构建的回归模型能有效评估警觉度状态。

公开(公告)号：CN116628663A

公开(公告)日：2023-08-22

申请号：CN202310709228.7

申请日：2023-06-15

Applicant: 湖州师范学院

Inventor： 苗敏敏 ,  何金来 ,  胡文军

IPC: G06F21/32 ,  G06N3/0464 ,  G06N3/08 ,  G06F18/10 ,  G06F18/24

Abstract: 本发明公开了一种基于自注意力机制的移动终端序贯手势身份认证方法，首先利用移动终端内置加速度传感器捕获用户序贯执行的动态手势加速度信号，然后采用标准差与差值结合的门限值法自动截取多个有效手势段，再通过三次插值法消除不同手势信号序列长度差异并根据类标签得到合法用户数据集与模拟攻击数据集，对其进行划分生成训练集与测试集，构建自注意力模型并根据训练集进行模型学习，最后利用模型对测试集用户身份进行判别。本发明适用于移动终端的信息安全保护领域，提高安全性，并且满足实际应用需求，具有良好的应用前景。