注意力评测方法和系统专利检索-特征向量人工智能专利检索查询-专利查询网

积极推动地理标志专门立法

2022-03-10 地理标志，立法，知识产权
保护知识产权是对创新最大的激励

2022-03-10 保护知识产权，创新，激励
谢商华：加快制定知识产权基本法

2022-03-10 知识产权基本法
擦亮“双奥之城”品牌

2022-03-10 双奥，知识产权
让冰雪运动“热”力全开

2022-03-10 冰雪运动，知识产权
携手共奋进　走好强国路

2022-03-10 强国，知识产权
坚持创新引领　方能稳中求进

2022-03-10 创新，稳中求进，知识产权
答好“两张卷” 奋进新征程

2022-03-10 知识产权
专家解读政府工作报告中的创新和知识产权相关部署

2022-03-10 政府工作报告，创新，知识产权
今年政府工作报告指出：加强知识产权保护和运用

2022-03-10 政府工作报告，知识产权保护

注意力评测方法和系统

阅读：586发布：2021-03-01

IPRDB可以提供注意力评测方法和系统专利检索，专利查询，专利分析的服务。并且本发明公开了一种注意力评测方法和系统。其中，该注意力评测方法包括：获取脑电信号、心电信号和行为数据；对脑电信号进行时域到频域的变换处理，提取脑电特征向量；对心电信号进行倒谱处理，提取心电信号特征向量；对行为数据进行处理，提取行为特征向量；采用PCVM概率分类算法，对脑电特征向量、心电特征向量和行为特征向量进行处理，得到评测结果。采用该技术方案，对被试者的脑电信号、心电信号和行为数据进行了综合处理和分析，对综合的特征向量进行分类计算，解决了如何提高注意力评测准确性的问题，可以得到被试者更加精确稳定的注意力水平预测结果。，下面是注意力评测方法和系统专利的具体信息内容。

权利要求

1.一种注意力评测方法，应用于高铁调度员，其特征在于，所述方法包括：获取脑电信号、心电信号和行为数据；

对所述脑电信号进行时域到频域的变换处理，提取脑电特征向量；

对所述心电信号进行倒谱处理，提取心电信号特征向量；

对所述行为数据进行处理，提取行为特征向量；

采用PCVM概率分类算法，对所述脑电特征向量、所述心电特征向量和所述行为特征向量进行处理，得到评测结果。

2.根据权利要求1所述的方法，其特征在于，所述获取脑电信号之后还包括：对所述脑电信号进行滤波；

对滤波后的信号进行眼电伪迹的去除。

3.根据权利要求1所述的方法，其特征在于，所述获取心电信号之后还包括：对所述心电信号进行低通滤波，以滤除肌电干扰信号；

对所述心电信号进行带陷滤波，以滤除工频干扰信号；

对所述心电信号进行零相移滤波，以滤除基线漂移信号。

4.根据权利要求1所述的方法，其特征在于，所述脑电特征向量为脑电信号平均功率谱幅值和频域组合。

5.根据权利要求1所述的方法，其特征在于，所述对所述心电信号进行倒谱处理，提取心电信号特征向量，具体包括：对所述心电信号进行傅立叶变换；

对傅立叶变换后的信号进行对数运算；

对对数运算后的信号进行傅立叶反变换，得到所述心电信号特征向量。

6.根据权利要求1所述的方法，其特征在于，所述心电信号特征向量为倒谱数据中的峰值振幅数据。

7.根据权利要求1所述的方法，其特征在于，所述行为特征向量为所述高铁调度员进行操作的反应时间。

8.根据权利要求1所述的方法，其特征在于，所述采用PCVM概率分类算法，对所述脑电特征向量、所述心电特征向量和所述行为特征向量进行处理，得到评测结果，具体包括：根据下式进行更新，得到最优的αi和b参数：其中，所述K(xi,x)表示核函数；yi表示输入的训练集的类标；αi表示拉格朗日乘子向量的一个分量，0＜αi＜C，C表示支持向量机中的惩罚参数；N表示输入的训练集的数目；

基于最优的αi和b参数，并根据下式得到评测结果：其中，所述X表示所述脑电特征向量、所述心电特征向量和所述行为特征向量的集合；

wj,w0为神经网络隐含层中的权重向量；k(x,xj)表示核函数；wx+b＝0；b表示映射的超平面划分参数；m表示正整数。

9.根据权利要求8所述的方法，其特征在于，所述方法还包括：利用阈值函数对所述评测结果进行数值区间映射，得到注意力水平数值。

10.一种注意力评测系统，应用于高铁调度员，其特征在于，所述系统包括：获取单元，用于获取脑电信号、心电信号和行为数据；

第一提取单元，用于对所述脑电信号进行时域到频域的变换处理，提取脑电特征向量；

第二提取单元，用于对所述心电信号进行倒谱处理，提取心电信号特征向量；

第三提取单元，用于对所述行为数据进行处理，提取行为特征向量；

评测单元，用于采用PCVM概率分类算法，对所述脑电特征向量、所述心电特征向量和所述行为特征向量进行处理，得到评测结果。

11.根据权利要求10所述的系统，其特征在于，所述系统还包括：第一滤波单元，用于对所述脑电信号进行滤波；

去除单元，用于对滤波后的信号进行眼电伪迹的去除。

12.根据权利要求10所述的系统，其特征在于，所述系统还包括：第二滤波单元，用于对所述心电信号进行低通滤波，以滤除肌电干扰信号；

第三滤波单元，用于对所述心电信号进行带陷滤波，以滤除工频干扰信号；

第四滤波单元，用于对所述心电信号进行零相移滤波，以滤除基线漂移信号。

13.根据权利要求10所述的系统，其特征在于，所述脑电特征向量为脑电信号平均功率谱幅值和频域组合。

14.根据权利要求10所述的系统，其特征在于，所述第二提取单元具体包括：第一变换模块，用于对所述心电信号进行傅立叶变换；

对数预算模块，用于对傅立叶变换后的信号进行对数运算；

第二变换模块，用于对对数运算后的信号进行傅立叶反变换，得到所述心电信号特征向量。

15.根据权利要求10所述的系统，其特征在于，所述心电信号特征向量为倒谱数据中的峰值振幅数据。

16.根据权利要求10所述的系统，其特征在于，所述行为特征向量为所述高铁调度员进行操作的反应时间。

17.根据权利要求10所述的系统，其特征在于，所述评测单元具体包括：最优化模块，用于根据下式进行更新，得到最优的αi和b参数：其中，所述K(xi,x)表示核函数；yi表示输入的训练集的类标；αi表示拉格朗日乘子向量的一个分量，0＜αi＜C，C表示支持向量机中的惩罚参数；N表示输入的训练集的数目；

评测模块，用于基于最优的αi和b参数，并根据下式得到评测结果：其中，所述X表示所述脑电特征向量、所述心电特征向量和所述行为特征向量的集合；

所述wj,w0为神经网络隐含层中的权重向量；所述k(x,xj)表示核函数；wx+b＝0；b表示映射的超平面划分参数；所述m表示正整数。

18.根据权利要求17所述的系统，其特征在于，所述系统还包括：映射单元，用于利用阈值函数对所述评测结果进行数值区间映射，得到注意力水平数值。

说明书全文

注意力评测方法和系统

技术领域

[0001] 本发明涉及高铁技术领域，尤其涉及一种注意力评测方法和系统。

背景技术

[0002] 目前，关于评测注意力水平高低的方法日渐增多。其中，一种方法主要是对被试者的脑电信号(EEG)的采集、处理和分析，然后，从时域和频域分别对脑电信号的特征进行提取；另外一种方法是对被试者的心电信号(ECG)采集、处理和分析，然后，从中提取心动周期相关特征指标。

[0003] 以上方法都只是对被试者的脑电信号(EEG)或心电信号(ECG)进行单独的采集分析，并没有有效地将两个参数指标结合起来进行分析。所以，现有评测方法的准确性有待提高。

发明内容

[0004] 本发明实施例的主要目的在于提供一种注意力评测方法，其至少部分地解决了如何提高注意力评测准确性的问题。此外，还提供一种注意力评测系统。

[0005] 为了实现上述目的，根据一个方面，提供了如下技术方案：

[0006] 一种注意力评测方法，应用于高铁调度员，该方法可以包括：

[0007] 获取脑电信号、心电信号和行为数据；

[0008] 对所述脑电信号进行时域到频域的变换处理，提取脑电特征向量；

[0009] 对所述心电信号进行倒谱处理，提取心电信号特征向量；

[0010] 对所述行为数据进行处理，提取行为特征向量；

[0011] 采用PCVM概率分类算法，对所述脑电特征向量、所述心电特征向量和所述行为特征向量进行处理，得到评测结果。

[0012] 优选地，所述获取脑电信号之后还包括：

[0013] 对所述脑电信号进行滤波；

[0014] 对滤波后的信号进行眼电伪迹的去除。

[0015] 优选地，所述获取心电信号之后还包括：

[0016] 对所述心电信号进行低通滤波，以滤除肌电干扰信号；

[0017] 对所述心电信号进行带陷滤波，以滤除工频干扰信号；

[0018] 对所述心电信号进行零相移滤波，以滤除基线漂移信号。

[0019] 优选地，所述脑电特征向量为脑电信号平均功率谱幅值和频域组合。

[0020] 优选地，所述对所述心电信号进行倒谱处理，提取心电信号特征向量，具体包括：

[0021] 对所述心电信号进行傅立叶变换；

[0022] 对傅立叶变换后的信号进行对数运算；

[0023] 对对数运算后的信号进行傅立叶反变换，得到所述心电信号特征向量。

[0024] 优选地，所述心电信号特征向量为倒谱数据中的峰值振幅数据。

[0025] 优选地，所述行为特征向量为所述高铁调度员进行操作的反应时间。

[0026] 优选地，所述采用PCVM概率分类算法，对所述脑电特征向量、所述心电特征向量和所述行为特征向量进行处理，得到评测结果，具体包括：

[0027] 根据下式进行更新，得到最优的αi和b参数：

[0028]

[0029] 其中，所述K(xi,x)表示核函数；yi表示输入的训练集的类标；αi表示拉格朗日乘子向量的一个分量，0＜αi＜C，C表示支持向量机中的惩罚参数；N表示输入的训练集的数目；

[0030] 基于最优的αi和b参数，并根据下式得到评测结果：

[0031]

[0032] 其中，所述X表示所述脑电特征向量、所述心电特征向量和所述行为特征向量的集合；wj,w0为神经网络隐含层中的权重向量；k(x,xj)表示核函数；wx+b＝0；b表示映射的超平面划分参数；m表示正整数。

[0033] 优选地，所述方法还包括：

[0034] 利用阈值函数对所述评测结果进行数值区间映射，得到注意力水平数值。

[0035] 为了实现上述目的，还提供了以下技术方案：

[0036] 一种注意力评测系统，应用于高铁调度员，该系统可以包括：

[0037] 获取单元，用于获取脑电信号、心电信号和行为数据；

[0038] 第一提取单元，用于对所述脑电信号进行时域到频域的变换处理，提取脑电特征向量；

[0039] 第二提取单元，用于对所述心电信号进行倒谱处理，提取心电信号特征向量；

[0040] 第三提取单元，用于对所述行为数据进行处理，提取行为特征向量；

[0041] 评测单元，用于采用PCVM概率分类算法，对所述脑电特征向量、所述心电特征向量和所述行为特征向量进行处理，得到评测结果。

[0042] 优选地，所述系统还包括：

[0043] 第一滤波单元，用于对所述脑电信号进行滤波；

[0044] 去除单元，用于对滤波后的信号进行眼电伪迹的去除。

[0045] 优选地，所述系统还包括：

[0046] 第二滤波单元，用于对所述心电信号进行低通滤波，以滤除肌电干扰信号；

[0047] 第三滤波单元，用于对所述心电信号进行带陷滤波，以滤除工频干扰信号；

[0048] 第四滤波单元，用于对所述心电信号进行零相移滤波，以滤除基线漂移信号。

[0049] 优选地，所述脑电特征向量为脑电信号平均功率谱幅值和频域组合。

[0050] 优选地，所述第二提取单元具体包括：

[0051] 第一变换模块，用于对所述心电信号进行傅立叶变换；

[0052] 对数预算模块，用于对傅立叶变换后的信号进行对数运算；

[0053] 第二变换模块，用于对对数运算后的信号进行傅立叶反变换，得到所述心电信号特征向量。

[0054] 优选地，所述心电信号特征向量为倒谱数据中的峰值振幅数据。

[0055] 优选地，所述行为特征向量为所述高铁调度员进行操作的反应时间。

[0056] 优选地，所述评测单元具体包括：

[0057] 最优化模块，用于根据下式进行更新，得到最优的αi和b参数：

[0058]

[0059] 其中，所述K(xi,x)表示核函数；yi表示输入的训练集的类标；αi表示拉格朗日乘子向量的一个分量，0＜αi＜C，C表示支持向量机中的惩罚参数；N表示输入的训练集的数目；

[0060] 评测模块，用于基于最优的αi和b参数，并根据下式得到评测结果：

[0061]

[0062] 其中，所述X表示所述脑电特征向量、所述心电特征向量和所述行为特征向量的集合；所述wj,w0为神经网络隐含层中的权重向量；所述k(x,xj)表示核函数；wx+b＝0；b表示映射的超平面划分参数；所述m表示正整数。

[0063] 优选地，所述系统还包括：

[0064] 映射单元，用于利用阈值函数对所述评测结果进行数值区间映射，得到注意力水平数值。

[0065] 本发明实施例提供一种注意力评测方法和系统。其中，该注意力评测方法包括：获取脑电信号、心电信号和行为数据；对脑电信号进行时域到频域的变换处理，提取脑电特征向量；对心电信号进行倒谱处理，提取心电信号特征向量；对行为数据进行处理，提取行为特征向量；采用PCVM概率分类算法，对脑电特征向量、心电特征向量和行为特征向量进行处理，得到评测结果。采用该技术方案，对被试者的脑电信号、心电信号和行为数据进行了综合处理和分析，对综合的特征向量进行分类计算后得到被试者更加精确稳定的注意力水平预测结果。

[0066] 当然，实施本发明的任一产品不一定需要同时实现以上所述的所有优点。

附图说明

[0067] 附图作为本申请的一部分，用来提供对本发明的进一步的理解，本发明的示意性实施例及其说明用于解释本发明，但不构成对本发明的不当限定。显然，下面描述中的附图仅仅是一些实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。在附图中：

[0068] 图1为根据一示例性实施例示出的注意力评测方法的流程示意图；

[0069] 图2为根据另一示例性实施例示出的注意力评测方法的流程示意图；

[0070] 图3为根据一示例性实施例示出的注意力评测系统的结构示意图。

[0071] 这些附图和文字描述并不旨在以任何方式限制本发明的构思范围，而是通过参考特定实施例为本领域技术人员说明本发明的概念。

具体实施方式

[0072] 需要说明的是，在没有明确限定或不冲突的情况下，本申请的实施例及实施例中的技术特征可以相互组合。下面将参考附图并结合实施例对本发明进行进一步详细地说明。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是全部的实施例。基于本申请的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应当属于本申请的保护范围。

[0073] 本发明实施例提供一种注意力评测方法，应用于高铁调度员。如图1所示，该方法可以包括：

[0074] S100：获取脑电信号、心电信号和行为数据。

[0075] S110：对脑电信号进行时域到频域的变换处理，提取脑电特征向量。

[0076] S120：对心电信号进行倒谱处理，提取心电信号特征向量。

[0077] S130：对行为数据进行处理，提取行为特征向量。

[0078] S140：采用PCVM概率分类算法，对脑电特征向量、心电特征向量和行为特征向量进行处理，得到评测结果。

[0079] 在上述实施例中，脑电信号可以通过脑电仪测量得到。心电信号可以通过心电仪测量得到。行为数据可以通过行为数据记录装置测量得到。

[0080] 本发明实施例通过采取上述技术方案，综合分析了被试的脑电信号(EEG)、心电信号(ECG)和被试在评测过程中的得到的行为参数，提高了注意力评测的准确性。

[0081] 在一些可选的实施例中，在获取脑电信号步骤之后还可以包括：

[0082] S101：对脑电信号进行滤波。

[0083] S102：对滤波后的信号进行眼电伪迹的去除。

[0084] 在一些可选的实施例中，在获取心电信号步骤之后还可以包括：S103至S105。

[0085] S103：对心电信号进行低通滤波，以滤除肌电干扰信号。

[0086] S104：对心电信号进行带陷滤波，以滤除工频干扰信号。

[0087] S105：对心电信号进行零相移滤波，以滤除基线漂移信号。

[0088] 本实施例利用低通滤波器滤除肌电干扰信号，再采用以Kaiser窗函数为基础进行滤波的带陷滤波器滤除50HZ工频干扰信号，接着用采用零相移滤波器滤除呼吸引起的基线漂移信号。

[0089] 在一些可选的实施例中，在图1所示实施例的基础上，脑电特征向量为脑电信号平均功率谱幅值和频域组合。

[0090] 其中，脑电信号平均功率谱幅值和频域组合可以为α、β四个基础频带特征以及(α+β)/β、α/β、这两个频域组合指标。

[0091] 在一些可选的实施例中，在图1所示实施例的基础上，对心电信号进行倒谱处理，提取心电信号特征向量的步骤具体可以包括：

[0092] 步骤a1：对心电信号进行傅立叶变换；

[0093] 步骤a2：对傅立叶变换后的信号进行对数运算；

[0094] 步骤a3：对对数运算后的信号进行傅立叶反变换，得到心电信号特征向量。

[0095] 在一些可选的实施例中，在图1所示实施例的基础上，心电信号特征向量为倒谱数据中的峰值振幅数据。

[0096] 在一些可选的实施例中，在图1所示实施例的基础上，行为特征向量为高铁调度员进行操作的反应时间。

[0097] 在一些可选的实施例中，在图1所示实施例的基础上，采用PCVM概率分类算法，对脑电特征向量、心电特征向量和行为特征向量进行处理，得到评测结果，具体可以包括：

[0098] 步骤b1：根据下式进行更新，得到最优的αi和b参数：：

[0099]

[0100] 其中，K(xi,x)表示核函数；yi表示输入的训练集的类标；αi表示拉格朗日乘子向量的一个分量，0＜αi＜C，C表示支持向量机中的惩罚参数；N表示输入的训练集的数目；

[0101] 步骤b2：基于最优的αi和b参数，并根据下式得到评测结果：

[0102]

[0103] 其中，X表示脑电特征向量、心电特征向量和行为特征向量的集合；wj,w0为神经网络隐含层中的权重向量；k(x,xj)表示核函数；wx+b＝0；b表示映射的超平面划分参数；m表示正整数。

[0104] 在一些可选的实施例中，在图1所示实施例的基础上，本发明实施例提供的注意力评测方法还可以包括：利用阈值函数对评测结果进行数值区间映射，得到注意力水平数值。

[0105] 举例来说，可以将测评结果限制到[-2,2]的区间里。设定阈值为-1、0、1。给定标记yn分别为-2、-1、1、2四个标签。这四个标签对应的注意力水平的分值为60-70、70-80、80-90、90-10，即得到了对高铁调度员注意力考核的最终评判分数。

[0106] 下面结合图2以一优选实施例来对本发明进行详细说明。

[0107] S200：数据采集：调度员脑电信号采集装置、调度员心电信号采集装置和调度员行为数据采集装置进行数据采集。

[0108] S201：脑电预处理：滤波去除工频、肌电干扰。

[0109] S202：心电预处理：低通滤波去除肌电干扰，带陷滤波器滤除工频干扰，零相位滤波器去除基线漂移。

[0110] S203：特征提取：进行脑电特征选取(脑电信号频率功率谱幅值)、心电特征选取(倒谱数据中峰值振幅数据)和行为特征选取(正式阶段操作反应时间)。

[0111] S204：指标处理：进行指标标准化和一致化，进行PCVM算法和Sigmod函数(阈值函数)处理。

[0112] S205：结果输出：量化分数至0-100分。

[0113] 基于与方法实施例相同的技术构思，本发明实施例还提供一种注意力评测系统，应用于高铁调度员。如图3所示，该系统可以包括：获取单元301、第一提取单元302、第二提取单元303、第三提取单元304和评测单元305。其中，获取单元301，用于获取脑电信号、心电信号和行为数据。第一提取单元302，用于对脑电信号进行时域到频域的变换处理，提取脑电特征向量。第二提取单元303，用于对心电信号进行倒谱处理，提取心电信号特征向量。第三提取单元304，用于对行为数据进行处理，提取行为特征向量。评测单元305，用于采用PCVM概率分类算法，对脑电特征向量、心电特征向量和行为特征向量进行处理，得到评测结果。

[0114] 在一些可选的实施例中，上述系统还可以包括：第一滤波单元和去除单元。其中，第一滤波单元用于对脑电信号进行滤波。去除单元用于对滤波后的信号进行眼电伪迹的去除。

[0115] 在一些可选的实施例中，上述系统还可以包括：第二滤波单元、第三滤波单元和第四滤波单元。其中，第二滤波单元用于对心电信号进行低通滤波，以滤除肌电干扰信号。第三滤波单元用于对心电信号进行带陷滤波，以滤除工频干扰信号。第四滤波单元用于对心电信号进行零相移滤波，以滤除基线漂移信号。

[0116] 在一些可选的实施例中，脑电特征向量为脑电信号平均功率谱幅值和频域组合。

[0117] 在一些可选的实施例中，第二提取单元具体可以包括：第一变换模块、对数预算模块和第二变换模块。其中，第一变换模块用于对心电信号进行傅立叶变换。对数预算模块用于对傅立叶变换后的信号进行对数运算。第二变换模块用于对对数运算后的信号进行傅立叶反变换，得到心电信号特征向量。

[0118] 在一些可选的实施例中，心电信号特征向量为倒谱数据中的峰值振幅数据。

[0119] 在一些可选的实施例中，行为特征向量为高铁调度员进行操作的反应时间。

[0120] 在一些可选的实施例中，评测单元具体可以包括：最优化模块和评测模块。其中，最优化模块用于根据下式进行更新，得到最优的αi和b参数：

[0121]

[0122] 其中，K(xi,x)表示核函数；yi表示输入的训练集的类标；αi表示拉格朗日乘子向量的一个分量，0＜αi＜C，C表示支持向量机中的惩罚参数；N表示输入的训练集的数目；评测模块用于基于最优的αi和b参数，并根据下式得到评测结果：

[0123]

[0124] 其中，X表示脑电特征向量、心电特征向量和行为特征向量的集合；wj,w0为神经网络隐含层中的权重向量；k(x,xj)表示核函数；wx+b＝0；b表示映射的超平面划分参数；m表示正整数。

[0125] 在一些可选的实施例中，上述系统还可以包括：映射单元。其中，映射单元用于利用阈值函数对评测结果进行映射，得到注意力水平数值。

[0126] 上述系统实施例可以执行上述方法实施例。有关系统实施例的说明可以参考方法实施例的说明，在此不再赘述。

[0127] 需要说明的是，在本发明的描述中，除非另有规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是有线连接，也可以是无线连接，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

[0128] 需要说明的是，上述各功能模块的划分仅为举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块来完成。具体实现过程详见方法实施例，这里不再赘述。

[0129] 上述实施例中的实施方案可以进一步组合或者替换，且实施例仅仅是对本发明的优选实施例进行描述，并非对本发明的构思和范围进行限定，在不脱离本发明设计思想的前提下，本领域中专业技术人员对本发明的技术方案作出的各种变化和改进，均属于本发明的保护范围。

标题	发布/更新时间	阅读量
生物体特征向量提取装置以及生物体特征向量提取方法-专利编号CN104346619B	2020-05-11	346
人脸特征向量构建-专利编号CN103198292A	2020-05-11	840
特征向量补偿装置和特征向量补偿方法-专利编号CN101051461A	2020-05-11	137
基于干扰特征向量数据集的1比1人脸特征向量比对方法-专利编号CN107657216A	2020-05-11	538
生成特征向量和基于特征向量进行文本分类的方法和装置-专利编号CN110119445A	2020-05-12	369
基于干扰特征向量数据集的1比N人脸特征向量比对方法-专利编号CN107704809A	2020-05-12	795
生物体特征向量提取装置以及生物体特征向量提取方法-专利编号CN104346619A	2020-05-13	731
特征向量生成装置，搜索装置，特征向量生成方法和搜索方法-专利编号CN1773507A	2020-05-12	885
特征向量降维方法和装置-专利编号CN110046670A	2020-05-13	85
一种心电图特征向量提取方法-专利编号CN110141245A	2020-05-13	872

注意力评测方法和系统

注意力评测方法和系统

技术领域

背景技术

发明内容

附图说明

具体实施方式

IPRDB

热门服务

关于我们

友情链接

联系方式