基于DLKA和EEGNet的多模态情绪识别方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开了一种基于DLKA和EEGNet的多模态情绪识别方法,包括以下步骤:对EEG信号进行特征提取并进行预处理;构建DLKA‑EEGNet模型,采用DLKA‑EEGNet模型提取脑电图特征;对EOG信号进行特征提取,并将EOG信号与EEG信号进行多模态特征融合;将融合后的特征输入到深度学习模型中进行情绪识别。本发明通过引入DLKA与EEGNet相结合的模型,提出了一种全新的多模态情绪识别方法,DLKA模块采用可变换大核卷积策略,能在自适应调整感受野的同时,降低参数量,减少计算复杂度,DLKA模块同时加强深度卷积网络对EEG信号的全局信息挖掘,从而提高情感识别模型的鲁棒性和准确性。
《基于DLKA和EEGNet的多模态情绪识别方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2025108202781,当前法律状态为已下证,由湖南科技大学提出申请,发明人为王晓亮;卢燚;曹周雷;林勇;王萌;艾源源;刘玉珍;曹宗敬,申请日期为2025-06-19,公开(公告)日期为2025-08-22,国际专利分类号(IPC)为 A61B 5/16 (2006.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种基于DLKA和EEGNet的多模态情绪识别方法,包括以下步骤:对EEG信号进行特征提取并进行预处理;构建DLKA‑EEGNet模型,采用DLKA‑EEGNet模型提取脑电图特征;对EOG信号进行特征提取,并将EOG信号与EEG信号进行多模态特征融合;将融合后的特征输入到深度学习模型中进行情绪识别。本发明通过引入DLKA与EEGNet相结合的模型,提出了一种全新的多模态情绪识别方法,DLKA模块采用可变换大核卷积策略,能在自适应调整感受野的同时,降低参数量,减少计算复杂度,DLKA模块同时加强深度卷积网络对EEG信号的全局信息挖掘,从而提高情感识别模型的鲁棒性和准确性。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
