申请/专利权人：杭州电子科技大学

申请日：2020-12-11

公开（公告）日：2024-03-19

公开（公告）号：CN112560937B

主分类号：G06N3/096

分类号：G06N3/096;G06F18/2413;G06F17/16;G06N3/088

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2021.04.13#实质审查的生效;2021.03.26#公开

摘要：本发明公开了一种利用静息态对齐的运动想象迁移学习的方法，包括以下步骤：S1、获取运动想象数据和静息态数据；S2、选择一名受试者的数据作为测试集，除该受试者以外的其他受试者的数据作为训练集；S3、使用EAR对齐方法对脑电信号进行对齐；S4、采用切空间投影的方法进行降维，将黎曼空间的协方差矩阵投影至欧式空间；S5、利用RATL对测试集数据进行分类。本发明设计了EAR对齐方法，并将结构风险、W‑BDA、拉普拉斯正则化结合在一起，组成了一个基于运动想象的二分类无监督分类器，相比于传统的算法速度更快，也更具有普适性。

主权项：1.一种利用静息态对齐的运动想象迁移学习的方法，其特征在于，包括以下步骤：S1、使用截止频率为8-30Hz的带通滤波器处理目标信号消除肌肉伪影、线噪声污染和直流漂移，然后截取运动想象提示信号后0.5-3.5秒和4.25-5.25秒的脑电信号分别作为运动想象数据和静息态数据；S2、选择一名受试者的数据作为测试集，除该受试者以外的其他受试者的数据作为训练集；S3、使用EAR对齐方法对脑电信号进行对齐；S4、采用切空间投影的方法进行降维，将黎曼空间中的协方差矩阵投影至欧式空间；S5、利用RATL对测试集数据进行分类；根据结构风险最小化的原则，计算出最小化源域风险如下式： 其中，为分类器f在核空间内的模，lfxi，yi为损失函数，其具体表达式为lfxi，yi＝yi-fxi2，根据表示定理，分类器f可以表示为： 式4可以改写为： 其中A为对角矩阵，当且仅当xi∈Ds时，Aii＝1，否则，Aii＝0；Y＝[y1，y2，..，ym+n]为源域和目标域的标签矩阵，K∈im+n×m+n为核矩阵，β＝β1，β2，...T∈Rm+n×1为系数向量。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 一种利用静息态对齐的运动想象迁移学习的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD