買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉中國科學院自動化研究所申請的專利基于遷移學習的針對腦電信號情感特征分類方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114886383B 。

龍圖騰網通過國家知識產權局官網在2025-08-08發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210526697.0，技術領域涉及：A61B5/00；該發明授權基于遷移學習的針對腦電信號情感特征分類方法是由左年明;蔣田仔;潘天旭設計研發完成，并于2022-05-16向國家知識產權局提交的專利申請。

本基于遷移學習的針對腦電信號情感特征分類方法在說明書摘要公布了：本發明屬于醫療人工智能、情感腦機交互領域，具體涉及一種基于遷移學習的針對腦電信號情感特征分類方法、系統、設備，旨在解決現有的基于腦電情感特征分類方法無法克服不同個體腦電數據分布不一致所導致的在跨個體腦電情緒分類上分類的準確性較差的問題。本方法包括：獲取待分類的情感腦電信號數據，作為輸入數據；提取輸入數據的微分熵特征，并將微分熵特征輸入腦電信號情感分類模型的多層感知機，得到深度特征；基于深度特征，通過腦電信號情感分類模型的分類器，得到輸入數據對應的分類結果。本發明不僅克服了不同個體腦電波數據分布不一致的問題，而且在跨個體腦電情緒分類上具有良好的分類效果，同時也保證必要的泛化性和魯棒性。

本發明授權基于遷移學習的針對腦電信號情感特征分類方法在權利要求書中公布了：1.一種基于遷移學習的針對腦電信號情感特征分類方法，其特征在于，該方法包括以下步驟： S100，獲取待分類的情感腦電信號數據，作為輸入數據； S200，提取所述輸入數據的微分熵特征，并將所述微分熵特征輸入腦電信號情感分類模型的多層感知機，得到輸入數據對應的深度特征； S300，基于所述深度特征，通過腦電信號情感分類模型的分類器，得到所述輸入數據對應的分類結果； 其中，所述腦電信號情感分類模型包括多層感知機、分類器； 其中，所述腦電信號情感分類模型，其訓練方法為： A100，獲取第一數據集、第二數據集；所述第一數據集為源域訓練數據集，其包括訓練樣本及其對應的真實分類標簽；所述第二數據集為目標域訓練數據集；所述訓練樣本為情感腦電信號數據； A200，分別提取所述第一數據集各訓練樣本的微分熵特征Ds和第二數據集中各訓練樣本的微分熵特征Dt，提取后，將微分熵特征輸入腦電信號情感分類模型的多層感知機，得到第一數據集各訓練樣本的深度特征fs、第二數據集中各訓練樣本的深度特征ft； A300，將fs、ft輸入預構建的全局域對抗模塊，計算全局域對抗損失；將fs、ft輸入所述分類器的softmax中，然后輸入預構建的局部域對抗模塊，計算局部域對抗損失； A400，結合預設的平衡系數，對全局域對抗損失與局部域對抗損失進行平衡處理，得到全局-局部域對抗損失； A500，通過一個全連接層將Ds、Dt映射到低維空間，記為Ai和Bj；計算Ai、Bj之間的相似度，并通過所述相似度計算從第一矩陣的任一元素轉移到第二矩陣任一元素的概率從第二矩陣的任一元素轉移到第一矩陣任一元素的概率通過計算和的乘積得到從第一矩陣的任一元素轉移到第二矩陣任一元素再轉移到第一矩陣中任一元素的概率計算與均勻分布之間的交叉熵作為同類別標簽數據相似度大的衡量損失、計算源域與目標域間相似度大的衡量損失； 其中，A表示源域訓練樣本映射到低維空間后的特征矩陣，將其作為第一矩陣，B表示目標域訓練樣本映射到低維空間后的特征矩陣，作為第二矩陣； Lvisit＝V,Pvisit 其中，Mij表示Ai、Bj之間的相似度，exp表示期望，Lvisit表示源域與目標域間相似度大的衡量損失，表示矩陣A對應的特征樣本，V表示Pab轉移概率符合均勻分布的標簽； A600，將全局-局部域對抗損失、同類別標簽數據相似度大的衡量損失、源域與目標域間相似度大的衡量損失進行加權求和，得到聯合域適應損失； A700，將深度特征輸入所述分類器，得到分類結果，將其作為預測結果；基于所述預測結果、所述真實分類標簽，通過交叉熵損失函數計算分類損失；將所述分類損失與所述聯合域適應損失進行求和，得到總損失，進而對腦電信號情感分類模型的網絡參數進行更新； A800，循環步驟A100-A700，直至得到訓練好的腦電信號情感分類模型。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中國科學院自動化研究所，其通訊地址為：100190 北京市海淀區中關村東路95號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。