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基于度量的几何对齐迁移学习的脑电信号分类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：CN114282616B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202111614564.0，技术领域涉及：G06F18/2413；该发明授权基于度量的几何对齐迁移学习的脑电信号分类方法是由佘青山;张宸琪;马玉良;吴秋轩;张波涛设计研发完成，并于2021-12-27向国家知识产权局提交的专利申请。

本基于度量的几何对齐迁移学习的脑电信号分类方法在说明书摘要公布了：本发明涉及一种基于度量的几何对齐迁移学习的脑电信号分类方法。度量学习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。首先，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，并且通过拉普拉斯矩阵保持局部结构；然后，在共享子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，使得类内距最小和类间距最大；最后，得出优化目标。本发明在脑电信号处理、脑机接口系统中具有广阔的应用前景。

本发明授权基于度量的几何对齐迁移学习的脑电信号分类方法在权利要求书中公布了：1.基于度量的几何对齐迁移学习的脑电信号分类方法，其特征在于：该方法包括以下步骤： 步骤1、构建马氏度量矩阵，保持源域的可分性； 马氏距离的公式如下： 其中，xi'和xj是任意的脑电信号微分熵特征对，M＝ATA，是一个半正定矩阵； Ms表示源域的度量矩阵，Mt表示目标域的度量矩阵；Xs表示源域，Xt表示目标域； 优化目标如下： mintrMMs+trM-1Mt4 度量矩阵A用于映射样本，源域样本xi'映射后得xi，xi＝xi'A； 步骤2、利用子空间的源域与目标域数据，进行联合概率分布对齐； 采用联合分布MMD来计算联合分布差异，直接考虑源域和目标域的联合分布代替传统的边缘分布和条件概率分布；联合分布MMD表示如下： 其中和分别表示源域和目标域中属于第c类的带标签数据；和分别表示源域和目标域中属于第c类的样本数,Ns和Nt表示源域和目标域中的样本数,E和B是潜在空间上的变换矩阵； 利用独热编码对源域与目标域标签进行编码后可得： 其中X表示源域带标签的数据，Z表示目标域带标签的数据； Ys表示源域的标签，YT表示目标域的标签； 步骤3、构建拉普拉斯正则项 利用样本几何性质上的相似性来模拟源域与目标域的流形几何； 样本间的相似性为： 其中，σi为样本xi和其最近邻之间的距离，Nkxi为k个邻近样本； 定义拉普拉斯正则项如下： 其中，W为由ωij构成的相似性矩阵，D为对角矩阵，Lu＝D-W； 步骤4、结合步骤1、步骤2、步骤3得出最后优化目标函数； 将上述正则项合并，最终优化目标表示如下： 其中α为权衡参数； 针对公式10建立的目标函数，利用矩阵运算和迭代优化算法学习矩阵M、E和B；具体来说，在迭代中，首先使用梯度下降法更新投影矩阵E和B，然后更新度量矩阵M，由此在每次迭代中更新目标函数的值，直到其变化小于确定的阈值ε；对于参数α，采用留一法优选参数； 最后在度量矩阵M下对情绪脑电信号使用k-最近邻分类器进行分类，将情绪脑电特征分为中性、积极和消极三类。

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 浙江省杭州市下沙高教园区2号大街；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”。