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！

龙图腾网获悉西安科技大学申请的专利一种基于脑智能技术的认知负荷评判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：CN117171658B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202311197471.1，技术领域涉及：G06F18/2411；该发明授权一种基于脑智能技术的认知负荷评判方法是由蒋林;柴盼;汪梅;曹非;杨娜;李明航设计研发完成，并于2023-09-18向国家知识产权局提交的专利申请。

本一种基于脑智能技术的认知负荷评判方法在说明书摘要公布了：本申请涉及认知神经科学领域，公开了一种基于脑智能技术的认知负荷评判方法，包括以下步骤：S1.4通道脑电信号与眼电信号采集；S2.脑电信号和眼电信号预处理与特征提取；S3.脑电信号的变分自编码生成对抗增强方法，可以通过生成合成数据来扩充和丰富原始数据集，从而提高训练模型的性能；S4.基于降噪自动编码器的脑电与眼电的双模特征融合模型，可以获得互补的特征，丰富了特征空间，有助于更准确地描述个体的认知状态；S5.改进海鸥算法优化支持向量机的认知负荷分类方法，更好地捕捉到认知负荷相关的特征，提高分类器的准确率和鲁棒性，优化后的模型可以更准确地判断个体的认知负荷水平，为认知负荷评判提供可靠依据。

本发明授权一种基于脑智能技术的认知负荷评判方法在权利要求书中公布了：1.一种基于脑智能技术的认知负荷评判方法，其特征在于，包括以下步骤： S1.4通道脑电信号与眼电信号采集； S2.对步骤S1采集的脑电信号和眼电信号预处理与特征提取； S3.脑电信号的变分自编码生成对抗增强方法； 通过数据增强算法WVAEGP算法对经过步骤S2处理后的脑电信号特征进行数据增强；所述WVAEGP算法包括：VAE网络中加入判别器环节；利用Wasserstein距离和梯度惩罚来解决梯度爆炸和梯度消失的问题； S4.基于降噪自动编码器的脑电与眼电的双模特征融合模型 所述基于降噪自动编码器进行脑电与眼电的双模特征融合模型包括构建显层融合策略或隐层融合策略来对认知负荷进行评判，其中构建显层融合的步骤如下： 步骤41：对脑电和眼电信号的特征进行合并，得到融合特征； 步骤42：按照降噪自编码器的思路，将噪声添加到融合后的特征中，得到含有噪声的信号； 步骤43：通过编码器将含有噪声的信号编码到隐层空间生成隐层数据； 步骤44：最后通过解码器生成近似于原始无噪声数据的重构数据； 在训练过程中对编码器和解码器参数不断的进行调整，当融合特征与重构数据之间的平均重构误差最小时，将含有原始脑电与眼电信号特征的隐层数据作为后续分类器的输入； 采用隐层融合策略时，要对脑电和眼电信号特征分别进行处理，最后将脑电和眼电信号分别对应的隐层数据进行融合，形成新的融合后的隐层特征，再将这个融合后的隐层数据作为后续分类器的输入； S5.改进海鸥算法优化支持向量机的认知负荷分类方法 改进的海鸥-支持向量机算法步骤如下： 步骤51:生成初始种群，设定相关参数； 步骤52:计算初始海鸥种群的适应度值，计算最优海鸥个体的位置，并按照适应度值对海鸥个体进行排序，将整个空间内最优的海鸥位置信息保存； 步骤53:使用余弦函数的非线性特征对控制因子进行调整； 7 代表了算法目前所处的迭代次数，是算法的最大迭代次数，将第次迭代时海鸥算法的控制因子定义为，是其中的最大值，是其中的最小值； 步骤54:根据式8的历史进化策略更新海鸥位置； 8 先假设第只海鸥个体更新后的位置为，将海鸥个体更新前的位置定义为，设为第只海鸥个体的历史最优位置，同时代表着海鸥种群整体的全局最差位置，是[0.1]内的随机数； 步骤55:计算更新后的海鸥种群适应度值，重新计算最佳海鸥的位置； 步骤56:判断是否达到最大迭代次数，是则停止迭代并输出最优参数C和g，否则跳转至步53继续迭代。

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西安科技大学，其通讯地址为：710054 陕西省西安市雁塔中路58号西安科技大学；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。