申请/专利权人：杭州电子科技大学

申请日：2020-12-22

公开（公告）日：2024-04-05

公开（公告）号：CN112580518B

主分类号：G06F18/2431

分类号：G06F18/2431;G06F18/23;G06F18/214;G06F18/213;G06N3/088;G06N3/096

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2021.04.16#实质审查的生效;2021.03.30#公开

摘要：本发明公开了一种基于原型聚类域适应算法的跨被试EEG认知状态识别方法。本发明引入了类别域的概念，一方面基于标签的多源域对齐，考虑不同类间的特征分布差异，研究特征空间中不同源域间类条件下的结构细粒度对齐，将多源域域内类别不平衡问题转化为类别域的方式。另一方面，源域和目标域之间的原型理论聚类对齐，即以动态调整原型中心为约束对目标域进行相似源域间的聚类，实现域间同类特征相近，异类特征相疏。前者实现域内类条件结构特征对齐，后者实现全局细粒度结构特征对齐。本发明能够兼容类别平衡和不平衡的情况，有效解决了脑认知计算领域脑电信号的个体差异性问题，具有较强的泛化能力，能够很好的适用于临床诊断和实际应用。

主权项：1.基于原型聚类域适应算法的跨被试EEG认知状态识别方法，其特征在于包括如下步骤：步骤1：数据采集设计沉浸诱导范式，以采集满足实验条件的多名临床网络游戏成瘾患者在诱发任务下的EEG数据，并设置正常对照组实验；为采集到的原始EEG数据打上成瘾或正常的认知状态标签；步骤2：数据处理针对采集到的原始EEG数据进行预处理操作，对采集得到的原始EEG数据进行伪迹去除操作；通过改进小波阈值降噪技术提取真实信号，然后利用功率谱密度提取EEG信号特征，为后续模型构建提供稳定的信号特征；步骤3：数据定义给定N个存在个体差异的EEG数据X＝{X1,…,XN}，每个被试个体作为一个源域并且已知其认知状态标签，由多个源域组成的多源域表示为但N个源域间标签可能不一致，即源域间类别不平衡；其中，表示第n个源域的第i个样本，对应的标签为K为所有被试个体包含的全部认知状态标签的类别数；而无标签的新被试个体作为目标域将聚K类后的领域定义为类别域步骤4：基于PTC算法的跨被试EEG认知状态识别方法；步骤2中通过改进小波阈值降噪技术提取真实信号，具体实现如下：加入噪声强度约束系数完成对每层信号的自适应阈值降噪，最后利用计算出的小波估计系数进行小波重构，得到去噪后的EEG信号；其中噪声强度约束系数σs表示为带噪信号小波分解后第s层小波细节信号中噪声标准方差估值，As为该层小波细节信号的幅值，充分考虑噪声对整体信号的影响程度，以便更高效的去除原始信号中的噪声；步骤4具体实现如下：输入：带有认知状态标签的多源域样本数据Xsn，类别数K，不带认知状态标签的目标域样本数据Xt，类别数未知，和最大迭代次数T；3-1.利用公共特征提取器F·提取多源域和目标域样本数据潜在的公共特征，将提取的公共特征映射到一个公共的特征空间；3-2.以多源域样本数据Xsn特有的类别标签为约束优化分类器C·，目标函数为有监督的分类损失loss： 其中，目标函数J·为交叉熵损失函数；3-3.采用聚类算法实现多源域样本数据Xsn的所有特征分布对齐，对多源域中类别不平衡的带标签数据进行聚类对齐，聚类过程中以同类特征相近、异类特征相疏为目标，其函数表示为： 其中，μ表示指定类簇所有样本的均值，标准差σ表示离散程度，m值应尽可能大，也就是说异类特征分布尽可能远；3-4.形成K个新的类别域每个类别域对应一个类别标签YSk∈{1,…,K}，其中第k个类别域的第i个样本表示为对应的标签表示为3-5.计算每个类别域的原型中心无需训练额外的参数，有效降低模型复杂度，提高计算效率；原型中心可以定义为： 3-6.将无标签目标域样本Xt输入到源域分类器C·，以获取目标域样本Xt被分为L个类簇的初始特征分布空间，每个类簇的初始原型中心表示为： 其中，CTl表示源域分类器C·的输出；3-7.遍历目标域第l个类簇的第i个样本和K个类别域原型的相似性γ，然后以相似性为约束给每个样本设置权重ωi； 其中，表示余弦相似性函数；3-8.结合步骤3-6和步骤3-7动态自适应更新目标域每个类簇的原型中心 3-9.基于原型中心对目标域样本进行聚类，实现目标域样本聚类对齐，从而有效避免不同类簇形状和数量上的不平衡带来的消极影响，形式上表示为： 3-10.从域间类别原型中心及样本两方面进行约束，通过缩小域间原型中心与类簇样本的距离，以实现语义对齐，在迭代过程中，域间对齐的目标函数可以表述为： 3-11.总的目标优化函数为： 其中，λ1，λ2，λ3为模型的超参数；3-12.重复步骤3-1至步骤3-11，直至迭代T次；输出：目标域样本标签形式上可以定义为：

全文数据：

权利要求：

百度查询： 杭州电子科技大学 基于原型聚类域适应算法的跨被试EEG认知状态识别方法

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