申请/专利权人：山东科技大学

申请日：2021-07-01

公开（公告）日：2024-05-31

公开（公告）号：CN113591582B

主分类号：G06F18/22

分类号：G06F18/22;G06F18/10;G06F18/2134;G06F18/214;G06F17/16;G06F18/27;G06F17/15

优先权：

专利状态码：有效-授权

法律状态：2024.05.31#授权;2021.11.19#实质审查的生效;2021.11.02#公开

摘要：本发明公开一种性格识别方法及系统，该方法包括：获取待识别者的静息态功能磁共振数据；对所述静息态功能磁共振数据进行预处理；对所述预处理后的磁共振数据利用组独立成分分析法确定大脑区域，并提取各个大脑区域的血氧水平依赖信号；对每一待识别者的所述各个大脑区域的血氧水平依赖信号进行皮尔森相关分析得到每个待识别者的脑网络；将所述每个待识别者的脑网络作为特征输入多因素识别模型，输出性格识别结果；所述多因素识别模型包括多因素相似矩阵；所述多因素为不同种类的性格标签。本发明提高了现有计算机程序中关于线性回归模型对五因素得分进行识别的准确性，进而提高了性格识别的准确性。

主权项：1.一种基于静息态功能磁共振数据的性格识别方法，其特征在于，所述方法包括：获取待识别者的静息态功能磁共振数据；对所述静息态功能磁共振数据进行预处理；对所述预处理后的磁共振数据利用组独立成分分析法确定大脑区域，并提取各个大脑区域的血氧水平依赖信号；对每一待识别者的所述各个大脑区域的血氧水平依赖信号进行皮尔森相关分析得到每个待识别者的脑网络；将所述每个待识别者的脑网络作为特征输入多因素识别模型，输出性格识别结果；所述多因素识别模型包括多因素相似矩阵；所述多因素为不同种类的性格标签；所述多因素识别模型为： 其中，X＝[x1,x2,…,xn]T∈Rn×d是待识别者的输入特征矩阵，即待识别者脑网络矩阵；n是待识别者的数量；d是每一待识别者的脑网络的数量；Rn×d为n个待识别者所有脑网络对应的数据；权重向量Wk∈Rd×1用于识别第k个因素的模型参数；Yk∈Rn×1是输出向量，它的元素代表待识别者的第k个因素的分数；Sij为因素i和因素j的相似性矩阵；α、β为多因素识别模型参数；所述多因素识别模型中相似性矩阵的确定方法包括：确定所述多因素识别模型矩阵形式表示为： 其中，⊙代表两个矩阵的哈达玛积，D是S⊙S的度矩阵，D-S⊙S是的S⊙S拉普拉斯矩阵，tr[]为计算矩阵的迹，即计算对角元素之和；令它的梯度表达式为以梯度下降的步长γ进行梯度下降，梯度下降公式为： 根据近端优化将α||W||1,1的操作算子定义为： sgnWij为符号函数，输出Wij的正负，absWij为绝对值函数，d是每一待识别者的脑网络的数量，l为因素的数量；通过操作算子将W保持在可行域中，固定W，利用拉普拉斯算子将所述多因素识别模型转化为无约束的等式： 求等式关于Sij和λ的偏导数分别表示为： 令解两个联立方程，得到相似矩阵为：

全文数据：

权利要求：

百度查询： 山东科技大学 基于静息态功能磁共振数据的性格识别装置及方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD