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！

龙图腾网获悉中国科学技术大学申请的专利一种半监督域自适应脑电信号的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：CN116738330B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202310052274.4，技术领域涉及：G06F18/2415；该发明授权一种半监督域自适应脑电信号的分类方法是由陈勋;梁邓;刘爱萍;孙启彬;张勇东;吴枫;吴曼青设计研发完成，并于2023-02-02向国家知识产权局提交的专利申请。

本一种半监督域自适应脑电信号的分类方法在说明书摘要公布了：本发明公开了一种半监督域自适应脑电信号的分类方法，包括：1、获取不同个体的带标注数据，获取目标个体的数据并选取部分进行标注，随后进行统一的预处理；2、设计数据增强机制，将样本进行增强表示；3、搭建学生模型和教师模型；4、记录每次更新后的学生模型权重，将其与历史的权重进行滑动平均，作为教师模型的权重；5、计算特征空间上已有个体和目标个体的特征对齐损失；6、计算学生模型与教师模型对应的输出概率间的一致性损失；7、将上述损失函数与交叉熵损失相组合，共同优化模型参数，获得最优分类模型。本发明能够在目标个体仅有一小部分数据被标注的情况下充分校准分类模型，以实现高准确度的跨个体脑电信号分类。

本发明授权一种半监督域自适应脑电信号的分类方法在权利要求书中公布了：1.一种半监督域自适应脑电信号的分类方法，其特征在于，包括以下步骤： 步骤1、获取带标注的不同个体的脑电信号数据集，并作为带标注的源域数据集；获取目标个体的脑电信号数据集并选取部分脑电信号进行标注，得到带标注的目标域数据集和无标注的目标域数据集； 对所有数据集统一进行切片分割、短时傅里叶变换、去噪的预处理，得到带标注的源域去噪时频样本集，带标注的目标域去噪时频样本集和无标注的去噪时频样本集；其中，源域去噪时频样本集上的任意一个源域样本记为，且源域样本的标注记为，，代表类别数； 将带标注的目标域去噪时频样本集和无标注的去噪时频样本集合并，得到目标域合并样本集；其中，目标域合并样本集上的任意一个目标域样本记为，令目标域样本的标记标量为，当时，表示目标域样本来自无标注的目标域去噪时频样本集，即；当时，表示目标域样本属于带标注的目标域去噪时频样本集，即，且将目标域样本的标注记为； 步骤2、利用随机擦除与高斯噪声增强方法分别将源域样本增强表示为源域增强样本，将目标域样本增强表示为目标域增强样本；从而得到增强后的源域去噪时频样本集和增强后的目标域合并样本集； 步骤3、搭建基于人工神经网络的学生模型，并由特征提取器和分类器组成；搭建基于人工神经网络的教师模型，并由特征提取器和分类器组成； 步骤4、定义当前迭代次数为；并初始化； 步骤5、令第次迭代下的学生模型的网络参数为，并随机初始化； 令第次迭代下的教师模型的网络参数； 定义当前批次为；并初始化； 步骤6、定义表示第次迭代下最大批次数并初始化； 步骤7、将增强后的源域去噪时频样本集和增强后的目标域合并样本集分批次先后输入到第次迭代下的学生模型中进行训练，得到第次迭代下训练好的学生模型和教师模型； 步骤7.1、将第批次样本输入所述在第次迭代下的学生模型中进行训练，并得到第次迭代下的学生模型在第批次样本上的网络参数，将网络参数与前批样本的历史网络参数进行滑动平均，得到第次迭代下的教师模型在第批次样本上的网络参数； 步骤7.2、判断是否成立，若成立，则表示完成第次迭代下学生模型和教师模型的网络参数更新，并得到第次迭代下训练好的学生模型和教师模型，执行步骤8；否则，将赋值给后，返回步骤7.1顺序执行； 步骤8、将所述源域增强样本输入第次迭代下训练好的学生模型中，并经过特征提取器和分类器处理后，分别得到第次迭代下的源域样本深度特征和源域样本输出概率； 将所述目标域增强样本输入第次迭代下训练好的学生模型中，并经过特征提取器和分类器处理后，分别得到第次迭代的目标域样本深度特征和目标域样本输出概率； 步骤9、以与所在特征空间的数据分布差异构建第次迭代的特征对齐损失； 步骤10、将所述源域样本与目标域样本再次进行随机数据增强，得到新的增强后源域样本与新的增强后目标域样本，并分别输入到第次迭代下训练好的教师模型中，得到相应的源域样本集成输出概率与目标域样本集成输出概率； 以与之间的偏差以及与之间的偏差构建第次迭代的一致性正则损失； 步骤11、组合损失函数，共同优化模型； 步骤11.1、从目标域合并样本集中找出的所有目标域样本，并与源域去噪时频样本集一起构建第次迭代的交叉熵损失； 步骤11.2、利用式1构建第次迭代的总损失函数： 1 式1中，表示加权常数，表示第次迭代的加权函数； 步骤11.3、基于总损失函数，使用SGD优化器来更新第次迭代下训练好的学生模型的网络参数，得到第次迭代下的学生模型； 步骤12、将赋值给后，判断是否成立，若成立，则训练完成，得到最优学生模型和最优教师模型，从而以所述最优教师模型实现对任一脑电信号样本的分类；否则，返回步骤6顺序执行。

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中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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”。

以上内容由龙图腾AI智能生成。