龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：杭州电子科技大学
摘要：本发明公开了一种自适应图学习的多视图脑电言语想象意图识别方法。该方法如下：1、在不同的言语想象任务场景下，对多名被试者的脑电数据进行采集。2、对采集到的脑电进行预处理并提取不同视图下的不同通道和频段的特征。3、建立自适应图学习的多视图脑电言语想象意图识别模型。4、对目标函数进行联合迭代优化。5、得到未标记样本的预测标签，完成言语想象脑电识别任务。本发明利用多个视图中可用的互补信息来学习到更好的相似度矩阵和未标记样本标签矩阵，提高了通过脑电数据对言语想象意图识别的能力；本发明能自适应学习各视图及特征对于模型识别的贡献度，且视图和特征重要性可以指导脑电采集、预处理和特征提取时对通道及频段的选择。
主权项：1.一种自适应图学习的多视图脑电言语想象意图识别方法，其特征在于：包括以下步骤：步骤1、在不同的言语想象任务场景下，对多名被试者的脑电数据进行采集；步骤2、对步骤1采集到的脑电数据以及需要识别言语想象意图的脑电数据进行预处理，并提取预处理后的脑电数据在不同视图下的不同通道和频段的特征，得到样本集；步骤3、联合视图权重向量α，和每个视图的特征权重矩阵Θυ，构建目标函数如下: 其中，Xυ表示样本集；样本集Xυ包括对应已知的离散标签矩阵Yl的带标签样本子集和对应未标记的离散标签矩阵Yu的无标签样本子集F＝[Fl；Fu]为连续的标签矩阵；Fl＝Yl；Fu与未标记的离散标签矩阵Yu对应；α＝[α1，α2，…，αp]T表示p个视图在模型中的权重向量；S是相似度矩阵；sij是第i个样本与第j个样本的相似度；表示第υ个视图的第k个特征的权重；Ls是拉普拉斯矩阵；dυ表示第υ个视图的特征的数量；步骤4、根据步骤3构建的目标函数，对未标记的连续标签矩阵Fu、相似度矩阵S、特征权重矩阵Θυ及视图权重向量α进行联合迭代优化；步骤5、根据未标记的连续标签矩阵Fu判断被测者在进行脑电数据采集时的言语想象类型。
全文数据：
权利要求：
百度查询： 杭州电子科技大学 一种自适应图学习的多视图脑电言语想象意图识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号