Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于最大混合互相关熵准则的鲁棒核学习方法 

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:西安慧脑智能科技有限公司

摘要:本申请涉及数据处理技术领域,尤其涉及一种基于最大混合互相关熵准则的鲁棒核学习方法。所述方法包括:获取训练输入数据和训练输出数据;将训练输入数据映射到高维特征空间得到第一训练输入数据;根据第一训练输入数据建立优化模型,并求解模型参数;根据模型参数建立输入数据与输出数据之间的映射关系。本申请提供的方法利用最大混合互相关熵准则对异常干扰不敏感这一特性,使得其在复杂噪声或者异常干扰存在的情况下仍然能够顺利地完成回归及分类任务。

主权项:1.一种基于最大混合互相关熵准则的鲁棒核学习方法,其特征在于,所述方法用于脑电图分类,具体包括如下步骤:获取训练输入数据和训练输出数据;其中,所述训练输入数据和训练输出数据的类型包括左手想象运动、右手想象运动、舌头想象任务和双脚想象任务;所述训练输入数据和训练输出数据为执行所述左手想象运动、右手想象运动、舌头想象任务和双脚想象任务时采集到的脑电信号;将所述训练输入数据映射到高维特征空间得到第一训练输入数据;所述第一训练输入数据为经过高斯核函数构建的核函数;将所述训练输入数据映射到高维特征空间得到第一训练输入数据包括:根据得到κxn,·,其中κ·,·表示一个核函数,σ表示核参数;exp表示以自然常数e为底数的指数函数,x和x’表示σ的两个随机变量;根据得到其中表示xn映射到核空间后的特征矢量;根据得到所述第一训练输入数据;根据所述第一训练输入数据建立优化模型,并求解模型参数;采用最大互相关熵准则作为优化准则优化模型;根据所述第一训练输入数据建立优化模型,并求解模型参数包括:根据所述第一训练数据建立优化模型 其中β是模型参数,0≤λ≤1是混合系数,γ≥0是正则化因子,σ1和σ2是核参数,且要求σ1<σ2,yn=fxn,n=1,2,…,N;采用固定点迭代策略αt=f1αt-1得到α的值,其中Δ=diag[θ1,…,θN],α=ΦΦT+γΔ-1-1Y,αt表示在t次迭代得到的解,f1α=ΦΦT+γΔ-1-1Y;根据β=ΦTα得到β;根据所述模型参数建立输入数据与输出数据之间的映射关系。

全文数据:

权利要求:

百度查询: 西安慧脑智能科技有限公司 一种基于最大混合互相关熵准则的鲁棒核学习方法

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。