颜延
- 作品数:34 被引量:111H指数:2
- 供职机构:中国科学院深圳先进技术研究院更多>>
- 发文基金:国家高技术研究发展计划国家重点基础研究发展计划国家自然科学基金更多>>
- 相关领域:自动化与计算机技术医药卫生经济管理电子电信更多>>
- 可穿戴技术的发展被引量:48
- 2015年
- 从可穿戴技术的发展现状出发,讨论可穿戴技术的内涵与外延,回顾可穿戴技术发展的技术渊源与发展历史;从通信技术、芯片技术、传感器、柔性原件等几个方面,阐述可穿戴设备的关键技术;分析可穿戴设备的交互模式,介绍可穿戴设备中常用的操作系统;综述可穿戴设备的常见应用场景,指出可穿戴技术的发展方向。通过对可穿戴技术研究和应用中各个方面的系统论述,为可穿戴技术的研究提供一个基础框架。
- 颜延邹浩周林袁婵王磊
- 关键词:交互模式操作系统
- 多分类器的选取方法、冻结步态检测系统、设备、存储介质
- 本发明提供了一种多分类器的选取方法、冻结步态检测系统、设备、存储介质,选取方法包括:获取多个传感器的步态数据;将多个传感器的步态数据拼接成多通道数据;对多通道数据进行预处理;对预处理数据进行滑窗处理得到多个窗口数据;对多...
- 颜延刘语诗吴选昆陈达理梁端李慧慧熊富海王磊熊璟
- 心电图采集平台
- 本发明涉及一种心电图采集平台,包括:采集芯片、ARM核微处理器、FPGA芯片以及上位机。其中采集芯片获取心电原始数据,并进行模数转换;ARM核微处理器获取模数转换后的心电图数据,并进行心电图数据整合得到整合数据;FPGA...
- 吴文显杜雷雷梅求军颜延罗娱李扬蔡锦和李奇张南南王磊
- 文献传递
- 基于拓扑表征的人体活动识别方法、装置、设备、存储介质
- 本发明提供了一种基于拓扑表征的人体活动识别方法、装置、设备、存储介质,人体活动识别方法包括:获取多个传感器的数据,多个传感器放置于人体的不同的部位;对每一个传感器的数据进行预处理,获得每一个传感器的预处理数据;对每一个传...
- 颜延陈达理刘语诗吴选昆梁端熊富海李慧慧王磊
- 一种基于模糊熵特征提取的人机通气异步检测模型及装置
- 本发明涉及医疗检测领域,具体涉及一种基于模糊熵特征提取的人机通气异步检测模型及装置,通过对采集到的具有多种人机不同现象的呼吸波形,基于模糊熵的特征提取方法,对多通道呼吸波形进行模糊熵特征提取,分别以一定的参数进行模糊熵特...
- 马良颜延熊富海仲为王磊李慧慧
- 基于多核超限学习机的实时心电信号分析
- 2015年
- 心电分类是一种复杂的模式识别问题。目前,大部分基于不同机器学习模型的心电分类方法都取得了很高的分类精度,但学习效率不高,因此需要一种快速的心电学习方法。文章提出了基于多种核函数的超限学习方法,利用不同的核函数将特征映射到希尔伯特空间,使心电数据在高维空间中线性可分,并在MIT-BIH标准库进行了该方法的实验验证。与其他方法相比,文章所提出的方法具有较高的分类准确率和更快的学习速度,对临床上动态心电图的检测与分析和个性化的实时心电监测具有重要意义。
- 秦兴彬颜延樊建平王磊
- 关键词:核方法心电监测
- 基于储备池模型的步态检测方法、设备及计算机存储介质
- 本申请涉及一种基于储备池模型的步态检测方法、设备及计算机存储介质,储备池模型包括输入层、储备池、降维层和输出层;步态检测方法包括:获取步态检测数据;将步态检测数据输入至输入层,以转换为预设格式的多维数组;多维数组进入所述...
- 颜延陈宇骞马良熊璟王磊
- 一种身份识别模型的训练方法、身份识别方法、控制方法
- 本发明涉及身份识别技术领域,具体是涉及一种身份识别模型的训练方法、身份识别方法、控制方法。本发明的步态数据的准确性不受外界环境因素的影响,因此采用样本步态数据训练得到的身份识别模型,能根据任何环境下所采集到的人员步态数据...
- 颜延刘语诗周树民熊富海黄意春马良王磊
- 基于多核的超限学习方法在实时心电信号监测与分析中的应用研究
- 超限学习机是一种快速学习方法,目前在各个研究领域获得了广泛的研究热潮.相比传统的学习方法,超限学习机采用单隐藏层前馈神经网络(Single-hidden Layer Feedforward Neural Network,...
- 秦兴彬颜延樊建平王磊
- 关键词:核函数数据分类
- 文献传递
- 基于改进储备池计算模型的人体行为识别
- 2023年
- 人体行为识别(human activity recognition, HAR)是元宇宙场景人机交互应用中的关键任务。在基于传感器的HAR任务中,提取有用特征是提高模型性能的关键。为此,本文提出了一种改进的储备池计算网络框架(enhanced reservoir computing network framework, ERCNF)。本文首先使用圆形储备池模块提取信号的特征,然后使用降维模块对提取的特征进行降维,最后使用岭回归器进行线性读出。我们在UCI-HAR和mHealth两个公开数据集上评估ERCNF模型。在UCI-HAR和mHealth数据集上ERCNF模型的准确率分别为98.1%和95.6%。该模型具有训练速度快,准确率高等特点,能有效地从数据中提取深度特征,在可穿戴应用中具有良好的应用前景。
- 陈宇骞任旭超朱雅琳颜延
- 关键词:回声状态网络人体行为识别