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！

龙图腾网恭喜西安电子科技大学申请的专利一种自适应脑机信息融合分类方法及系统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：CN113869369B 。

龙图腾网通过国家知识产权局官网在2025-06-03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：202111017296.4，技术领域涉及：G06F18/2411；该发明授权一种自适应脑机信息融合分类方法及系统是由任胜寒;闫健璞;梁继民;郭开泰;胡海虹;郑洋;王梓宇设计研发完成，并于2021-08-31向国家知识产权局提交的专利申请。

本一种自适应脑机信息融合分类方法及系统在说明书摘要公布了：本发明属于脑机接口技术应用技术领域，公开了一种自适应脑机信息融合分类方法及系统，所述自适应脑机信息融合分类方法包括：分别提取大脑响应特征与刺激图像特征；分别训练线性SVM，计算每一个特征的分类灵敏度指标，作为特征可靠性标签；利用特征可靠性标签，分别建立大脑响应和刺激图像的特征可靠性预测模型；根据可靠性标签加权级联大脑响应与图像特征，构建融合特征集；在融合特征集上建立线性SVM分类模型，使用线性SVM分类模型对输入的融合特征进行分类。本发明能够有效评估大脑响应特征和图像特征的可靠性，自适应融合大脑响应和图像特征，降低因特征可靠性引起的融合负增益的风险，有效提高图像分类任务的性能。

本发明授权一种自适应脑机信息融合分类方法及系统在权利要求书中公布了：1.一种自适应脑机信息融合分类方法，其特征在于，所述自适应脑机信息融合分类方法，包括训练与推理两个阶段；其中，所述训练阶段，包括：在配对的大脑响应和刺激图像数据集上，分别提取大脑响应和刺激图像特征集；针对大脑响应和刺激图像特征集，分别训练线性SVM，计算每一个特征的分类灵敏度指标，作为特征可靠性标签；根据特征可靠性标签，分别训练大脑响应和刺激图像的特征可靠性预测模型；根据特征可靠性标签加权级联大脑响应特征与图像特征构成融合特征集，并在融合特征集上训练线性SVM模型进行分类；所述推理阶段，包括：选取配对的大脑响应和刺激图像，分别提取对应的大脑响应特征和刺激图像特征；将大脑响应特征和图像特征分别输入对应的特征可靠性预测模型，估计特征的可靠性值；根据预测到的特征可靠性值加权级联大脑响应特征与图像特征，并将融合特征输入线性SVM模型输出分类结果；以特征可靠性标签作为监督信息，分别在大脑响应和图像特征集各上训练一个特征可靠性预测模型，包括：1利用PyTorch深度学习框架分别搭建具有相同结构的特征可靠性预测模型；其中，所述预测模型采用全连接神经网络结构，输入层、隐层和输出层神经元的个数分别为168、32和1，隐层采用ELU激活函数，输出值即为特征可靠性的预测值；2将计算到的可靠性值作为大脑响应特征的可靠性标签，将大脑响应特征集以4:1的比例划分为训练集和测试集；在训练集上，利用均方误差损失函数LMSE监督预测模型的训练过程： 其中，y表示特征可靠性预测值，y′表示特征可靠性标签值，n表示batchsize大小；预测模型训练采用均方误差损失函数和Adam优化器，初始学习率为1e-3，学习率衰减为0.1，共训练100个epoch，每40个epoch学习率衰减一次。

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电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2号西安电子科技大学；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”。