公开(公告)号：CN116796125A

公开(公告)日：2023-09-22

申请号：CN202211471002.X

申请日：2022-11-23

Applicant: 杭州电子科技大学

Inventor： 佘青山 ,  张宸琪 ,  高云园

IPC: G06F18/10 ,  A61B5/372 ,  A61B5/16 ,  A61B5/00 ,  G06F18/213 ,  G06F18/214 ,  G06F18/2415 ,  G06F18/2431

Abstract: 本发明公开了一种基于关联增强的多源域自适应脑电情绪识别方法，具体包括以下步骤：步骤1，数据预处理，提取微分熵特征；步骤2，搭建脑电情绪识别训练模型；步骤3，将预处理后的微分熵特征送入建脑电情绪识别训练模型；步骤4，使用训练完成的建脑电情绪识别训练模型对数据集进行情绪识别分类。该方法考虑到不同源域的特征分布不同，建立了一对一的分支，使用MMD度量适应边缘分布，同时利用关联增强适应条件分布。并对不同源域赋予相应权重，使用MMD自适应地计算权重。同时考虑到源域中不同类的可分性，采用局部子域差异来增大类间距离，减小类内距离。最终通过特征分类器的决策融合，得出分类结果。本方法与已有方法相比，提高了识别准确率。

公开(公告)号：CN117668664A

公开(公告)日：2024-03-08

申请号：CN202311735639.X

申请日：2023-12-18

Applicant: 杭州电子科技大学

Inventor： 张宸琪 ,  佘青山 ,  张卫 ,  孟明

IPC: G06F18/241 ,  G06F18/21 ,  G06F18/25 ,  G16H50/20 ,  G16H20/70 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/09

Abstract: 本发明公开了一种基于动态图的多源条件域自适应脑电情绪识别方法，具体包括以下步骤：步骤1，数据预处理，提取微分熵特征，并构建无向图特征；步骤2，搭建脑电情绪识别训练模型；步骤3，将处理后无向图特征送入脑电情绪识别模型；步骤4，使用训练完成的脑电情绪识别模型对数据集进行识别分类。该方法首先，通过动态图卷积公共特征提取器提取低级公共特征。然后，通过域特定特征提取器提取域特定特征，进行条件域自适应，缩小源域与目标域的分布差异。最后融合各域特定分类器的结果得出最终分类结果。

公开(公告)号：CN114282616A

公开(公告)日：2022-04-05

申请号：CN202111614564.0

申请日：2021-12-27

Applicant: 杭州电子科技大学

Inventor： 佘青山 ,  张宸琪 ,  马玉良 ,  吴秋轩 ,  张波涛

IPC: G06K9/62 ,  A61B5/00 ,  A61B5/16 ,  A61B5/369

Abstract: 本发明涉及一种基于度量的几何对齐迁移学习的脑电信号分类方法。度量学习用来分析已标记样本及其近邻样本的关系，度量二者之间的相似性。首先，利用两个投影矩阵将源域样本和目标域样本映射到共享子空间中，同时进行边缘概率分布对齐和条件概率分布对齐，最小化源域和目标域的距离来减小分布差异，并且通过拉普拉斯矩阵保持局部结构；然后，在共享子空间中对已有标签的源域样本采用马氏距离度量计算度量矩阵，使得类内距最小和类间距最大；最后，得出优化目标。本发明在脑电信号处理、脑机接口系统中具有广阔的应用前景。