[发明专利]基于量子小波神经网络模型的脑电波情绪认知方法有效
| 申请号： | 201710160273.6 | 申请日： | 2017-03-17 |
| 公开（公告）号： | CN106955112A | 公开（公告）日： | 2017-07-18 |
| 发明（设计）人： | 陈豪;钟瑞宇;王耀宗;蔡品隆;张丹;张景欣;骆炜 | 申请（专利权）人： | 泉州装备制造研究所 |
| 主分类号： | A61B5/16 | 分类号： | A61B5/16 |
| 代理公司： | 泉州市文华专利代理有限公司35205 | 代理人： | 陈云川 |
| 地址： | 362000 福建省泉州市台商投*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开的基于量子小波神经网络模型的脑电波情绪认知方法，包括步骤：脑电波数据集进行正则化、对正则化后的数据进行预处理、对预处理后的数据进行特征提取，采用三层前向型量子小波神经网络对数据进行分类，其中量子小波神经网络的隐层适应基函数采用Mexican‑hat小波函数、进行评价值唤醒程度分析。本发明实现了更快的收敛速度和更高的认知精度。 | ||
| 搜索关键词： | 基于 量子 神经网络 模型 脑电波 情绪 认知 方法 | ||
【主权项】：
基于量子小波神经网络模型的脑电波情绪认知方法，其特征在于，包括以下步骤：步骤一，将采集的脑电波数据集进行正则化，正则化后的值在0到1之间；步骤二，对正则化后的数据进行预处理，具体是采用独立主成分分析法将干扰数据从脑电波数据中移除；步骤三，对预处理后的数据进行特征提取，具体采用聚类技术通过选择特定的特征来减小数据集的大小；步骤四，采用三层前向型量子小波神经网络对数据进行分类，其中量子小波神经网络的隐层适应基函数采用Mexican‑hat小波函数，该函数具体的表达式为：其中t为时间变量；步骤五，进行评价值唤醒程度分析。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于泉州装备制造研究所，未经泉州装备制造研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710160273.6/，转载请声明来源钻瓜专利网。
- 上一篇：基于表面肌电信号的脑瘫儿步态识别方法
- 下一篇：来电显示器（CID8型）
