申请/专利权人:浙江大学
申请日:2023-08-25
公开(公告)日:2024-05-17
公开(公告)号:CN117195040B
主分类号:G06F18/24
分类号:G06F18/24;G06F18/213;G06F3/01;G06N20/00
优先权:
专利状态码:有效-授权
法律状态:2024.05.17#授权;2023.12.26#实质审查的生效;2023.12.08#公开
摘要:本发明公开了一种基于静息态脑电数据校准的脑机接口迁移学习方法,属于脑电解码领域,包括以下步骤:计算源域数据和目标域数据的黎曼均值;采用平行移动算法,根据源域数据的黎曼均值计算源域PT变化矩阵,通过源域PT变化矩阵估计目标域测试数据的黎曼均值,对源域数据和目标域数据做域混合,估计全局总黎曼均值;采用平行移动算法,将源域数据和目标域数据移动到全局总黎曼均值的切空间并做投影,分别得到各自的切向量;将切向量化的目标域测试数据带入切向量化的源域数据训练好的分类器中得到分类结果。避免了利用测试数据对分类器进行基于目标类的重复训练,且能够实现对测试数据的在线实时目标类分类,在跨试次、跨被试方面有巨大潜力。
主权项:1.一种基于静息态脑电数据校准的脑机接口迁移学习方法,其特征在于,包括以下步骤:步骤1:计算训练脑电数据的第一总局部黎曼均值、用作校准的训练集静息态脑电数据的第一黎曼均值、用作校准的测试集静息态脑电数据的第二黎曼均值;步骤2:根据第一黎曼均值和第一总局部黎曼均值得到源域PT变化矩阵,用公式表示为: 其中,表示第一黎曼均值,表示第一总局部黎曼均值,表示源域PT变化矩阵;步骤3:基于所述第二黎曼均值和源域PT变化矩阵估计测试脑电数据的第二总局部黎曼均值,基于所述第一总局部黎曼均值和第二总局部黎曼均值估计全局总黎曼均值;步骤4:基于第一总局部黎曼均值和全局总黎曼均值计算源域-全局PT变化矩阵,依据源域-全局PT变化矩阵将训练脑电数据平行移动到全局总黎曼均值的邻域中,得到移动后的训练脑电数据,将所述移动后的训练脑电数据向全局总黎曼均值的切空间做投影得到第一切向量,将所述第一切向量作为输入训练分类器;步骤5:基于第二总局部黎曼均值和全局总黎曼均值计算目标域-全局PT变化矩阵,依据目标域-全局PT变化矩阵将实时采集的测试脑电数据平行移动到全局总黎曼均值的邻域中,得到移动后的测试脑电数据,将所述移动后的测试脑电数据向全局总黎曼均值的切空间做投影,得到第二切向量,将所述第二切向量带入所述分类器中得到测试脑电数据的分类结果。
全文数据:
权利要求:
百度查询: 浙江大学 一种基于静息态脑电数据校准的脑机接口迁移学习方法
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。