本发明提出了一种基于时空图模型的脑电情感识别方法，包括获取脑电情感数据库，并对数据进行预处理，将数据集划分为训练集和测试集；对时长为T的脑电信号进行样本划分，用一个时间长度为M的滑动窗口对脑电信号进行采样，得到T/M个脑电样本；构建基于Bert的图模型网络，对脑电样本各时刻信号的空间特征进行学习分析；构造时间LSTM网络，用LSTM网络分析脑电样本各时刻之间的时间相关性；利用训练集对所构建的时空Bert图模型网络进行训练，优化网络模型，利用测试集对优化模型网络进行测试，统计分类识别。本发明不仅考虑脑电空间信息，还加入时间信息，实现对脑电信号特征的较全面学习，提高识别准确率。
📄 2021113666699
📂 G06K9_00
👤 南京邮电大学
📅 2021-11-18
一种基于人体关键点时空图模型的异常行为检测方法，首先对视频集合进行预处理，得到视频序列，然后预处理得到人体关键点坐标。其次，一旦人体关键点坐标被确定，依照人体骨架自然连接，多帧累积之后得到一段时间内人体的关键点时空图模型。然后利用神经网络，通过空间卷积模块和时间卷积模块的交替工作，提取行为特征，描述行为模式。最后使用自动编码器网络，利用其难以对异常数据进行编码再重构的性质，通过对比重构误差，进行异常检测。本方法数据量小，计算成本低，并且训练过程不需要人工标注的数据，大大提高了异常检测的适用性。
📄 2021111535664
📂 G06V20_52
👤 南京邮电大学
📅 2021-09-29
一种基于时空图卷积‑生成对抗网络的交通速度预测方法，首先，根据城市路网结构，将路网中的路段作为图的节点，交叉路口作为连接节点的边，构建交通图网络；然后，通过城市路网中的车流速度检测器获取采样收集车流速度数据，构建特征矩阵，接着，通过本发明中构建好的时空图卷积网络(STGCN)作为生成对抗网络的生成器和全连接神经网络作为判别器，对抗生成交通速度数据，通过两者相互博弈训练，共同提升，最终得到一个最佳的交通速度预测模型。利用生成对抗网络最终的生成器生成最接近真实数据的交通状态数据预测值，达到本发明路网状态数据预测的目的。本发明可以实现更准确的交通速度预测。
📄 2021104914420
📂 G08G1_01
👤 浙江工业大学
📅 2021-05-06
本发明涉及一种基于时空图表示学习的交通事故预测方法，首先根据传感器网络构建交通路网的邻接矩阵，对原始交通数据进行筛选和统计，得到特定区域的速度、容量和占有率数据构建特征矩阵。然后建立基于ST‑VGAE结构的交通事故预测模型，通过将邻接矩阵和特征矩阵输入ST‑VGAE中，通过时空图卷积模块表征交通状态，并将其输入到一个卷积神经网络中进行交通事故发生概率的预测。最后，使用处理好的数据训练所建立的交通事故预测模型，并调整模型中的参数以获得最优的交通流预测。实验结果验证了模型在交通事故预测任务上的有效性，并为使用时空图表示学习解决事故预测任务提供新的思路和方法。
📄 2021101153998
📂 G06F16_901
👤 浙江工业大学
📅 2021-01-28
本发明公开了一种基于时空图注意力网络的工业时序数据异常检测方法，包括以下步骤：1)构建传感器时序全连接图，将工业传感器数据节点两两相连构成完全图，节点表示传感器数据，边权重表示传感器之间的依赖关系；2)采用图卷积网络提取时序全连接图的空间信息生成空间特征向量；3)采用TimesNet提取时序全连接图的时间信息生成时间特征向量；4)采用时空图注意力网络将时间特征向量与空间特征向量进行融合；5)使用历史正常时序数据进行模型训练，将时空特征向量输入到全连接层中得到每个时间步的预测值；6)对于测试集中的异常数据，根据预测值和观测值之间的差异计算异常分数，通过Boxplot方法自适应计算异常数据的阈值。
📄 2023110657146
📂 G06F18_2433
👤 浙江工业大学
📅 2023-08-23
一种基于多模态动态图卷积神经网络的抑郁症图像分类方法，属于医学图像处理与人工智能领域，利用滑动时间窗口法将功能磁共振数据预处理后的时间序列划分为多个时间窗口，构建每个窗口的功能连接矩阵，利用多个空间注意对比网络捕捉跨时间窗口的时间信息，得到高阶动态功能脑网络；利用跨模态图神经网络和跨模态知识蒸馏实现模态间的互补信息传递以及模态融合。本发明可以充分利用多模态脑网络的动态高阶信息实现抑郁症的有效分类。
📄 2025113836452
📂 G06V10_764
👤 浙江工业大学
📅 2025-09-26
本发明公开了一种基于时空图的人体骨骼动作识别方法，包括以下步骤：S1、获取骨骼数据，并对所述骨骼数据进行预处理，得到二阶数据信息；S2、将二阶数据信息输入多分支网络，得到骨骼数据提取信息；S3、将骨骼数据提取信息输入时空特征提取网络，得到骨骼数据的时空特征信息；S4、将骨骼数据的时空特征信息依次输入全局平均池化层和全连接层，得到置信度最高的动作，完成人体骨骼动作识别。本发明设计了时空图模块引入Transformer结构，可以更好捕捉若干帧内全局的时空关系，利用其注意力机制自适应的学习跨帧节点间关联性的强度，并且利用图卷积根据固定图结构捕捉局部的空间特征。两者信息相互补充，从而使得信息能够直接的跨时空交流。
📄 2022104241285
📂 G06V40_20
👤 成都信息工程大学
📅 2022-04-22
本发明提出基于双动态图卷积网络时空特征学习的网络谣言检测方法，该方法包括：将事件根据时间转化为预设个数的传播结构；通过传播结构构成用户交互图和信息传播图；利用卷积网络分别对用户交互图和信息传播图进行学习，得图特征；将上一层的图特征与下一层的根节点特征向量进行拼接，得到增强后图特征；通过时序融合单元，得到时序融合单元的输出特征；基于时序融合单元的输出特征进一步的到事件的最终特征；最后通过多层感知机，得到分类结果。本发明不仅能够全面捕捉信息传播和用户交互的时空特征，还能有效融合内容特征、传播特征和用户特征，提升谣言检测的精度，尤其在早期检测阶段表现出显著优势。
📄 2025100233870
📂 G06F18_24
👤 江西财经大学
📅 2025-01-07
本发明涉及一种基于时空兴趣点和时空图卷积的人体动作识别方法，首先收集人体动作相关视频，利用OPENPOSE对视频进行处理获取人体骨骼关节点；然后使用光流法建立高斯金字塔计算光流向量，再结合Gabor滤波和高斯滤波进行时空兴趣点的提取；将OPENPOSE输出的关节点和时空兴趣点进行匹配，形成新的节点特征，该节点特征包括输出的关键点位置、置信度、光流向量大小、时间以及光流向量角度。最后基于人体骨骼结构构造关键点时空图模型，并完成数据训练和测试。本发明基于骨骼识别结合时空兴趣点对人体动作进行识别，同时引入注意力机制，在时间和空间两个方面进行检测判断，提高了行为识别的准确度。
📄 2024108695727
📂 G06V40_20
👤 杭州电子科技大学
📅 2024-07-01
一种动态图表类页面数据爬取方法，包括：采用自动化测试工具启动浏览器，输入待爬取数据的网站的链接；从待爬取数据的网站中爬取与用户输入的爬取关键词相关的页面信息；对爬取到的页面进行渲染并解析；通过自动化测试工具对解析后的页面进行截图得到截图图片并保存截图图片；根据预先训练的图片识别模型对截图图片进行识别，得到截图图片中的内容；判断待爬取数据的网站及对应爬取关键词的页面是否已遍历完；当确定都已被遍历过，则结束流程；否则，继续执行上述过程。本发明还提供一种动态图表类页面数据爬取装置、终端及存储介质。本发明能够自动爬取动态加载的图表类数据且能识别出图片中的内容。
📄 2018103499753
📂 G06F16_951
👤 平安科技(深圳)有限公司
📅 2018-04-18
本发明公开了一种电子装置、基于动态图片的用户验证方法及存储介质，首先通过向预先确定的图片播放器发送图片播放指令，根据用户界面提供的所述图片播放器播放的内容生成需要用户进行点击操作的提示信息，然后接收用户根据所述提示信息对所述内容进行点击操作的反馈信息，最后根据预先确定的有效操作分析规则分析所述反馈信息，确定用户的点击操作是否有效，若有效，则确定为用户操作，若无效，则确定为机器操作。能够提高用户验证的准确性，且识别过程简单、识别效率高。
📄 2018102362838
📂 G06F21_36
👤 平安科技(深圳)有限公司
📅 2018-03-21
本发明公开了一种动态图的生成装置，该装置包括存储器、处理器及存储在存储器上并可在处理器上运行的动态图的生成程序，该程序被处理器执行时实现如下步骤：将目标数据加载至预设控件内，其中，目标数据包括文本数据和/或图片数据；确定用户为目标数据设置的移动轨迹；按照移动轨迹，移动加载有目标数据的预设控件，以调整预设控件在显示界面中的位置，并在移动预设控件时对显示界面进行截屏操作以获取多张截图并保存；按照保存截图的时间顺序，将保存的多张截图合成为GIF动态图。本发明还提出一种动态图的生成方法以及一种计算机可读存储介质。本发明简化了制作文字动态图的过程，提高了制作动态图的效率。
📄 2017106144927
📂 G06T11_60
👤 平安科技(深圳)有限公司
📅 2017-07-25
柿子坊 · 知识产权运营
柿子坊知识产权运营平台