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：本发明涉及一种具有隐私保护功能的跨被试言语想象脑电解码方法，先收集被试者在言语想象任务下的脑电数据，并对其进行预处理以生成目标样本矩阵。然后，利用已知的源域样本进行模型训练，并使用该模型对目标域样本进行预测，根据预测结果筛选出部分目标域样本以构建中间域，最后通过域适应方法实现源域和目标域的对齐，以实现源域数据的隐私保护和目标域数据解码精度提升的目标。本方法采用幂平均指标筛选目标域样本用于构建中间域，在保护源域数据隐私的前提下更好的筛选出最近似于源域的目标域样本，使得这些高迁移性样本在迁移学习过程中发挥更大的作用。

主权项：1.一种具有隐私保护功能的跨被试言语想象脑电解码方法，其特征在于：包括以下步骤：步骤一：采集目标被试者在不同言语想象任务下的脑电数据；步骤二：对步骤一采集得到的脑电数据进行预处理和特征提取，得到被试者的样本矩阵d为特征数，nt为样本总数，作为目标域样本矩阵；源域样本矩阵和对应的标签矩阵[Xs；Ys]已知，通过利用支持向量机模型训练得到本地源域模型，利用该本地源域模型对目标域样本矩阵Xt进行预测得到目标域伪标签概率步骤三：采用幂平均指标策略作为中间域和目标域之间分布差异的度量准则，根据计算的每个目标域样本的幂平均指数MP和设定好的阈值，挑选出符合条件的样本和伪标签的集合作为中间域；步骤四：根据步骤三得到的中间域[Xtmp；Ytmp]和采集的目标域样本[Xt；Yt]，构建联合低秩和稀疏子空间学习的判别迁移回归方法，其目标函数如下： s.t.APTXt＝APTXtmpZ+E，M≥0，Z≥0，Y＝[Ytmp，Yt]其中和是两个投影矩阵，d表示投影子空间的特征维数，原变换矩阵B的大小为m×c，投影矩阵P和矩阵A的大小分别为m×d和c×d，X＝[Xtmp；Xt]，是中间域样本的标签矩阵，表示标签松弛矩阵，||Z||*为矩阵Z的核范数，Z为重构系数矩阵，Z＝[zij]，α，γ表示正则化参数，||E||1表示矩阵E的l1范数，为噪声矩阵，表示中间域的第i个样本特征，表示目标域样本的第j个样本特征，表示矩阵的谱范数；步骤五：根据步骤四中建立的目标函数，对转换矩阵A、投影矩阵P、标签松弛矩阵M、重构系数矩阵Z、噪声矩阵E、及目标域标签矩阵Yt的联合迭代优化；步骤六：根据目标域标签矩阵Yt获得目标被试在脑电采集时的言语想象任务。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 一种具有隐私保护功能的跨被试言语想象脑电解码方法