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度量迁移学习的脑电信号识别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：CN114330559B 。

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：202111649698.6，技术领域涉及：G06F18/2135；该发明授权一种基于度量迁移学习的脑电信号识别方法是由佘青山;石鑫盛;马玉良;孟明;陈云设计研发完成，并于2021-12-28向国家知识产权局提交的专利申请。

本一种基于度量迁移学习的脑电信号识别方法在说明书摘要公布了：本发明涉及一种基于度量迁移学习的脑电信号识别方法，利用两个投影矩阵将源域样本和目标域样本映射到共享子空间中，同时进行边缘概率分布对齐和条件概率分布对齐，最小化源域和目标域的距离来减小分布差异，再研究图结构模型，保存样本从高维到低维的结构关系。然后在共享空间中对已有标签的源域样本采用马氏距离度量计算度量矩阵；最后，采用估计密度比方法对源域样本进行加权，在度量矩阵下定义损失函数，并最小化损失。本发明可以提高跨被试时段迁移学习效果，缩短传统BCI的校准时间，为脑电信号的识别研究提供了新的指导方法，利用EEG源域数据的标签信息，度量学习被用来分析已标记样本及其近邻样本的关系，度量二者之间的相似性。

本发明授权一种基于度量迁移学习的脑电信号识别方法在权利要求书中公布了：1.一种基于度量迁移学习的脑电信号识别方法，其特征在于：包括以下步骤： 步骤一、将样本映射到共享子空间中，对有标签的EEG源域数据和无标签的EEG目标域数据同时进行边缘概率分布对齐和条件概率分布对齐； 步骤二、构造图拉普拉斯算子； 利用图拉普拉斯算子保留样本从高维空间映射到低维空间的结构关系，图拉普拉斯算子可以最小化以下公式获得： 其中，Gi是xi在共享子空间中新的特征表示，W是邻接矩阵，令G＝PTK可以将上述公式改写为： trPTKLKTP 可获得图拉普拉斯算子为L＝D-W，其中D为对角矩阵，P是指变换矩阵[Ps；Pt]，K是指核矩阵； 步骤三、在共享空间中对已有标签的源域样本采用马氏距离度量计算度量矩阵A的传播误差； 利用矩阵投影将源域样本和目标域样本映射到共享子空间并进行分布对齐之后，在共享空间中对已有标签的源域样本Ds＝{Xs,Ys}采用马氏距离度量计算度量矩阵，度量矩阵的传播误差为： xi,xj是为已有标签的源域样本的样本对，是一个半正定矩阵； 步骤四、采用估计密度比方法对源域样本进行加权，在度量矩阵下定义损失函数，并最小化损失； 在样本权重和度量矩阵下，使用所有类内和类外样本对定义一个损失函数： 其中，lin为类内加权差的和，lout为类间加权差的和； 得到最终度量迁移学习的目标函数为： 目标函数的第一项表示度量矩阵A的传播误差；第二项表示联合概率分布对齐和图拉普拉斯算子；第三项表示样本类内加权差和类间加权差的损失函数； 针对上述公式建立的度量迁移学习目标函数，约束条件为： andωxi＞0 H是中心矩阵，I是单位矩阵，1n是n维的全一向量。

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”。