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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于领域泛化的脑电度量迁移学习方法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：CN114330753B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202111680497.2，技术领域涉及：G06N20/00；该发明授权一种基于领域泛化的脑电度量迁移学习方法是由佘青山;陈铁;席旭刚;张启忠;汪婷设计研发完成，并于2021-12-29向国家知识产权局提交的专利申请。

本一种基于领域泛化的脑电度量迁移学习方法在说明书摘要公布了：本发明涉及一种基于领域泛化的脑电度量迁移学习方法，以脑电信号为研究对象，基于现有的度量迁移学习方法，进一步引入领域泛化思想以增强模型的泛化能力。本发明拟研究核表征学习方法，结合整体散度、域间散度、类内散度、类间散度四个方面，寻找能使类间散度和整体散度最大化、类内散度和域间散度最小化的特征变换矩阵。本发明的研究方法和取得的成果可进一步丰富脑电信号识别算法内容，具有广泛的应用价值。

本发明授权一种基于领域泛化的脑电度量迁移学习方法在权利要求书中公布了：1.一种基于领域泛化的脑电度量迁移学习方法，其特征在于：包括以下步骤： 步骤一、获取脑电信号特征，假设获取的脑电信号特征有n个源域，进而求解脑电信号特征的整体散度； 步骤二、度量不同域之间的相似性； 步骤三、求解类内散度和类间散度； 采用费希尔线性判别式将两个散度结合，寻找特征映射P，最小化特征变换后的所有源域的类内距离，并且最大化类间距离，从而得到类内散度为： 其中，mk和分别是RKHS空间中第k类的映射均值映射和整体的映射均值， 类间散度为： 其中，K是核矩阵； 求解使四个散度最优的线性变P，使得类间散度和整体散度最大化、类内散度和域间散度最小化，进而得到最终的目标函数： s.t.PTKP＝I 其中，β和δ是大于0的超参数； 通过广义特征值分解求解P，得到使目标函数最大化时的P*，并将其嵌入度量迁移学习目标函数中，建立脑电迁移的领域泛化算法，目标函数如下： 其中，rA表示度量矩阵A的传播误差；表示度量迁移学习中引入的领域泛化项；ηlf,A,ω表示样本类内加权差和类间加权差的损失函数； 在多个源域求出投影矩阵P*和目标域投影矩阵Pt后，利用优化求解方法更新得到度量矩阵A。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘新区白杨街道2号大街1158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”。