买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西北大学申请的专利基于多分支特征融合的脑电情感识别方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119989160B 。

龙图腾网通过国家知识产权局官网在2025-07-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510472790.1，技术领域涉及：G06F18/2415；该发明授权基于多分支特征融合的脑电情感识别方法及系统是由肖云;张益朦;韩述政;陈红卫;王俊逸;冯雪娇;陈晓江;房鼎益设计研发完成，并于2025-04-16向国家知识产权局提交的专利申请。

本基于多分支特征融合的脑电情感识别方法及系统在说明书摘要公布了：本发明属于跨受试者脑电情感识别领域，公开了一种基于多分支特征融合的脑电情感识别方法及系统，方法包括：步骤一，获取脑电数据；步骤二，预处理数据；步骤三，提取五频段特征；步骤四，获取目标域和源域；步骤五，划分数据集；步骤六，输入特征融合网络；步骤七，得到时域‑频域特征、空间特征；步骤八，得到高级时域‑频域特征；步骤九，得到输出；步骤十，得到适配器微调数据输出；步骤十一，获取预测情感概率；步骤十二，计算交叉熵损失函数；步骤十三，得到当前被测者训练好的模型；步骤十四，得到所有被测者训练好的模型。本发明更准确地达成了在不同样本间的迁移学习，有效提升了跨受试者脑电情感识别的整体效果。

本发明授权基于多分支特征融合的脑电情感识别方法及系统在权利要求书中公布了：1.一种基于多分支特征融合的脑电情感识别方法，其特征在于，具体包括如下步骤： 步骤一，获取多个被测者的脑电数据； 步骤二，对多个被测者的脑电数据进行预处理，得到每个被测者的预处理后的脑电数据； 步骤三，提取每个被测者的预处理后的脑电数据的五个频段的特征，五个频段分别为delta、theta、alpha、beta和gamma； 步骤四，将第一个被测者的五个频段的特征作为目标域，将其余被测者的五个频段的特征作为源域； 步骤五，提取目标域的时域特征和频域特征，时域特征和频域特征分别为DE特征和PSD特征；从DE特征和PSD特征中取出10%~20%作为适配器微调数据，并将剩余的DE特征和PSD特征作为测试集；提取源域的DE特征和PSD特征作为训练集； 步骤六，将测试集和训练集共同输入多分支特征融合网络，具体是：所述多分支特征融合网络包括信道注意力加权空间卷积分支、结构相同的第一动态图卷积网络分支和第二动态图卷积网络分支；将测试集和训练集中的DE特征分别输入第一动态图卷积网络分支和信道注意力加权空间卷积分支，将测试集和训练集中的PSD特征输入第二动态图卷积网络分支； 步骤七，所述第一动态图卷积网络分支对输入的DE特征进行处理获得时域特征，所述第二动态图卷积网络分支对输入的PSD特征进行处理获得频域特征；将时域特征和频域特征连接起来，得到时域-频域特征； 所述信道注意力加权空间卷积分支采用信道注意力加权学习DE特征的通道自适应权值； 最后，采用空间卷积块对加权的多通道脑电信号进行处理，最终获得空间特征； 步骤八，将步骤七得到的时域-频域特征输入带有适配器微调的自适应Transformer特征融合网络，得到高级时域-频域特征H A； 步骤九，将高级时域-频域特征和空间特征连接得到时域-频域-空间特征，然后将时域-频域-空间特征输入带有适配器微调的自适应Transformer特征融合网络，得到新的输出； 步骤十，将步骤五得到的适配器微调数据输入带有适配器微调的自适应Transformer特征融合网络的适配器微调模块，得到的结果作为适配器微调数据的输出H T； 步骤十一，分别将新的输出和适配器微调数据的输出H T通过全连接层和Softmax函数，分别获取的预测情感概率和H T的预测情感概率；其中，的预测情感概率的最大值被视为的分类结果，该分类结果即为的预测情感标签；H T的预测情感概率的最大值被视为的分类结果，该分类结果即为的预测情感标签； 步骤十二，根据预测情感概率，计算适配器微调数据和训练集的交叉熵损失函数值； 步骤十三，重复执行步骤六~步骤十二，通过最小化模型预测与实际标签之间的交叉熵损失函数值，得到当前被测者的训练好的模型； 步骤十四，将下一个被测者作为目标域，其余被测者作为源域，重复步骤五~步骤十三，直到每个被测者均被作为目标域一次，最终得到每个被测者的训练好的模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西北大学，其通讯地址为：710069 陕西省西安市太白北路229号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。