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知识蒸馏的多源域适应的EEG情绪状态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：CN116821764B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202310802378.2，技术领域涉及：G06F18/24；该发明授权一种基于知识蒸馏的多源域适应的EEG情绪状态分类方法是由郑浩浩;曾虹;乐淑萍;潘登;曾涛;徐非凡;欧阳瑜;贾哲;钱东官设计研发完成，并于2023-06-30向国家知识产权局提交的专利申请。

本一种基于知识蒸馏的多源域适应的EEG情绪状态分类方法在说明书摘要公布了：本发明公开了一种基于知识蒸馏的多源域适应的EEG情绪状态分类方法。首先获取数据进行带通滤波，并使用独立成分分析技术去除伪迹。其次通过差分熵方法进行脑电特征提取，将三维脑电时间序列转换为二维样本矩阵。然后在两种任务场景下各自划定训练集和测试集，确保它们不重合。本发明采用基于边际采样的伪标签三元组损失结合最大均值差异。本发明从不同的源领域中学习知识，以最大程度地利用多个单源模型，并以更少的时间消耗实现更强大的模型。最后利用分类准确率对模型进行两种任务场景下的性能评估。本发明将三元组损失和最大均值差异结合，不仅可以在域级别上实现每对源领域和目标领域之间的无偏置对齐，还考虑了数据对级别的相关性。

本发明授权一种基于知识蒸馏的多源域适应的EEG情绪状态分类方法在权利要求书中公布了：1.一种基于知识蒸馏的多源域适应的EEG情绪状态分类方法，其特征在于，该方法以微分熵特征作为使用的EEG信号的频域特征，改进的EEGNet模型作为特征提取器，以单层的线性层作为分类器，对EEG信号进行分析，实现跨被试和跨时段两种情形下的情绪状态识别任务，具体过程包括： Ⅰ.基于每个有标签的源域对每个教师模型进行预训练； Ⅱ.基于相应的有标签源域和无标签的目标域，利用源域分类损失、目标域分类损失、最大均值差异和伪标签三元组损失，对每个教师模型进行域适应；其中，为提高伪标签三元组损失的有效性，采用基于边际的抽样策略来过滤原始特征，只选择边际分数高于预设阈值的特征作为计算伪标签三元组损失的嵌入特征；所述对每个教师模型进行域适应，包括对每个教师模型的特征提取器进行域适应，具体如下： 在经过领域特定教师模型的特征提取器Nf后，对应的源领域数据US和目标领域数据UT将被提取出它们各自的低维特征FS、FT；为了确保提取出的特征的无偏域自适应性，使用了领域级别分布对齐和数据对级别分布对齐两种方法； S3-4-1：领域级别的分布对齐 基于伪标签的三元组损失和最大均值差异两种技术，进行教师模型的域自适应；在训练过程中，通过最小化MMD损失来减小特征空间中源域和目标域之间的距离，从而实现领域级别对齐，具体的公式如下所示： 其中和分别表示源领域的第i个样本和目标领域的第j个样本被提取出的低维特征；NS和NT表示源域样本和目标域样本的数量； S3-4-2：数据对级别的分布对齐 使用基于边缘采样的三元组损失进行数据对级别的分布对齐，使用每个样本预测结果的边缘成绩，作为决定该样本是否被采样的依据，该过程用如下公式表示： Xselected＝{xj|marginxj≥Threshold,xj∈X}3 其中x是输入样本，gθ是标签分类器的抽象函数，i*是预测结果中拥有最高预测概率的类别，j是所有类别的数量，[k]\i*表示除i*外所有的类别集合，Threshold是预先设定的边缘采样的阈值； 使用三元组损失需要以三元组的形式进行采样，其中锚点样本和正例样本是来自第i个三元组的相同类别不同样本，是第i个三元组中与锚点样本不同类别的任意样本；三元组损失的目的是保证正样本对嵌入特征之间的距离加上固定的边际值margin小于负样本对嵌入特征之间的距离；对于一个小批量样本集，三元组损失定义为： 其中N是Xselected中包含的样本数量，α是预先设定用于引导可分性的边际值，d·是计算正则化嵌入特征对之间欧拉距离的函数，fθ·是特征提取的抽象函数； Ⅲ.将多个单源域教师的知识转移给学生模型。

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”。

以上内容由龙图腾AI智能生成。