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！

申请/专利权人：吉林大学

摘要：本发明涉及脑电信号分类领域，具体提供了一种基于认知不确定性的运动想象脑电信号分类方法，包括如下步骤：S1：对脑电信号数据进行预处理和数据划分；S2：建立并训练基于不确定性学习的对抗网络，具体包括学生模型、教师模型、不确定性模块和类级记忆模块，学生模型和教师模型均包括特征抽取器、分类器一和分类器二，特征抽取器包括归一化层、平方激活函数层、dropout层、全局平均池化层和两个二维卷积，分类器一和分类器二包括三个线性层；S3：在教师模型中使用步骤S2中得到的教师模型参数，进行模型测试并得到模型预测的类别和该测试数据的置信度。本方案可对数据进行充分有效的利用，可进一步提高模型的实用性和可解释性。

主权项：1.一种基于认知不确定性的运动想象脑电信号分类方法，其特征在于，包括如下步骤：S1：对脑电信号数据进行预处理和数据划分；S11：通过滤波器将脑电信号进行滤波并提取与运动想象相关的节律；S12：使用指数移动对滤波后的脑电信号进行标准化操作并消除非平稳性和异常的信号波动；S13：将训练的脑电信号划分为对于当前的用户有标签的数据Xt、对于当前用户无标签的数据Xt’、除当前用户以外的其他用户数据Xs；将Xs视作来自于源域Ds的数据，将Xt和Xt’视作来自于目标域Dt和Dt’的数据；S2：建立并训练基于不确定性学习的对抗网络，具体包括学生模型、教师模型、不确定性模块和类级记忆模块；S21：对学生模型和教师模型进行初始化；S22：将无标签的数据Xt’输入至教师模型中，每个数据通过T次蒙特卡洛dropout得到T个预测结果；S23：通过不确定性模块根据T个预测结果计算出数据互信息、数据方差和数据熵；S24：通过对互信息、方差和熵进行加权和变换得到最终的样本置信度；S25：将置信度高于整体置信度80%以上的数据挑选出来与有标签的数据Xt进行整合以求得每个类别的中心特征并存放于类级记忆模块中；S26：将除当前用户以外的其他用户数据Xs和有标签的数据Xt输入至学生模型中，利用学生模型中的分类器一和分类器二之间的输出差异迭代的对分类器一和分类器二进行最大化差异损失训练和最小化差异损失训练；S27：通过梯度下降更新学生模型参数；S28：通过指数移动平均更新教师模型参数；S3：在教师模型中使用步骤S2中得到的教师模型参数，进行模型测试并得到模型预测的类别。

全文数据：

权利要求：

百度查询： 吉林大学 一种基于认知不确定性的运动想象脑电信号分类方法