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！

龙图腾网获悉杭州电子科技大学申请的专利联合半监督回归与图标签传播的脑电迁移情感识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114818822B 。

龙图腾网通过国家知识产权局官网在2025-04-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210516213.4，技术领域涉及：G06F18/2135；该发明授权联合半监督回归与图标签传播的脑电迁移情感识别方法是由彭勇;李文政;沙天慧设计研发完成，并于2022-05-12向国家知识产权局提交的专利申请。

本联合半监督回归与图标签传播的脑电迁移情感识别方法在说明书摘要公布了：本发明公开了联合半监督回归与图标签传播的脑电迁移情感识别方法。该方法采集来自不同被试者的脑电数据，提取特征作为样本矩阵。构建双映射域适应模型和半监督回归与图标记传播联合模型两个子模型，进行联合优化。在优化过程中，对不同变量进行交替迭代优化，从而不断优化特征共享子空间，缩减源域和目标域之间的数据分布差异，得以学习到更加准确的目标域标签，进一步缩减两域之间的差异。本方法可以缩减被试之间脑电数据的分布差异，同时进一步抑制被试数据特征间存在的差异对情感识别过程的影响，解决在跨被试情感识别领域由于被试之间的个体差异性带来的识别效果不佳的问题。

本发明授权联合半监督回归与图标签传播的脑电迁移情感识别方法在权利要求书中公布了：1.联合半监督回归与图标签传播的脑电迁移情感识别方法，其特征在于：该方法具体包括以下步骤：步骤1、采集多名被试者在c种不同情感状态下的脑电数据；步骤2、对步骤1采集得到的脑电数据进行预处理和特征提取，每一个样本矩阵X由一个被试者的脑电特征组成，标签向量y为样本矩阵X中脑电特征对应的情感标签；选择两个来自不同被试者的样本矩阵X，分别作为源域数据Xs和目标域数据Xt；步骤3、构建联合半监督回归与图标签传播的脑电迁移情感识别模型，包括双映射域适应模型和半监督回归与图标签传播联合模型；步骤3.1、建立双映射域适应模型： 其中，dom＝s、t，分别为将源域数据和目标域数据映射到共享子空间中的映射矩阵，上标T表示转置，p表示共享子空间维度，d表示原始样本维度；为增广源域数据标签，Ys为源域标签的one-hot型编码，c为类别数；为增广目标域数据标签，表示元素均为1的列向量，Ft为目标域标签的one-hot型编码，ns,nt分别为源域数据和目标域数据的样本数量，n＝ns+nt表示总样本个数；为对角矩阵，对角矩阵Ndom中第k个对角元素即为第k类源域或者目标域数据样本数量的倒数，k＝1,2,...,c；其中为中心矩阵，为单位阵，表示Frobenius范数的平方计算，||Ps-Pt||2,1在数学上是对两域共享子空间映射矩阵差值的行稀疏约束，其意义在于防止映射过程两域个性特征的过度体现，||·||2,1表示21范数的计算；步骤3.2、建立半监督回归与图标签传播联合模型： 其中，是样本-标签映射矩阵，表示样本标签矩阵，表示XTPW与F两者差值的平均，表示样本-特征二部图关联矩阵，表示样本-特征关联矩阵，0n,0p分别是维度为的全零矩阵，表示基于当前共享子空间数据构造的初始化的图关联矩阵，是基于当前共享子空间数据进行初始化的样本-特征关联矩阵，表示样本及特征标签矩阵，是图拉普拉斯矩阵，对角矩阵其对角元素为矩阵S行和，Tr·表示求解矩阵的迹，公式2中为半监督回归的标准式，是对矩阵W的行稀疏约束，是二部图构造以及标签传播过程；步骤3.3、联合步骤3.1、3.2构建的两个模型，将双映射域适应模型与半监督回归与图标签传播联合模型整合至一个统一的框架中进行联合优化，计算目标域数据标签Ft，优化模型为： 其中，α,γ,β,λ均为优化过程中的可调参数；步骤4、初始化目标域数据标签Ft以及特征标签Fd，使用主成分分析方法构建得到源域和目标域的子空间映射矩阵Ps,Pt；然后根据步骤3得到的联合优化的目标函数，通过固定其余变量、更新另一个变量的方法，依次对样本-标签映射矩阵W、子空间映射矩阵Ps,Pt、样本-特征关联矩阵S以及目标域数据标签Ft进行优化，多次重复该优化过程，实现联合迭代优化；步骤5、将步骤4联合迭代优化后的结果代入公式3中，然后将情感状态未知的脑电数据特征Xm作为目标域数据Xt输入公式3中，求解对应的目标域数据标签Ft，得到脑电数据特征Xm对应的采集时刻的情感状态。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。