申请/专利权人：哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

申请日：2024-02-23

公开（公告）日：2024-06-14

公开（公告）号：CN117784940B

主分类号：G06F3/01

分类号：G06F3/01;G06F18/24;G06F18/213;G06F18/214

优先权：

专利状态码：有效-授权

法律状态：2024.06.14#授权;2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本申请公开了一种针对汉字笔画书写想象的高维张量分析方法及装置，包括：采集与书写汉字笔画对应的脑电信号数据；基于高阶张量分析模型，将脑电信号数据扩展为高阶张量；基于张量分解模型，将与脑电信号数据对应的高阶张量，分解为与不同汉字笔画类别对应的多个张量分解特征；将多个张量分解特征展开为向量，并将与各个汉字笔画类别对应的多个张量分解特征进行拼接，从而生成脑电信号特征；以及基于脑电信号特征和预先训练的分类器，生成与脑电信号数据对应的汉字笔画类别标签。从而能够达到避免破坏数据原有的结构特性，以及丢失一些潜在的相互作用的技术效果。

主权项：1.一种针对汉字笔画书写想象的高维张量分析方法，其特征在于，包括：采集与书写汉字笔画对应的脑电信号数据；基于高阶张量分析模型，将所述脑电信号数据扩展为高阶张量；基于张量分解模型，将与所述脑电信号数据对应的高阶张量，分解为与不同汉字笔画类别对应的多个张量分解特征；将所述多个张量分解特征展开为向量，并将与各个汉字笔画类别对应的多个张量分解特征进行拼接，从而生成脑电信号特征；以及基于所述脑电信号特征和预先训练的分类器，生成与脑电信号数据对应的汉字笔画类别标签，其中，基于张量分解模型，将与所述脑电信号数据对应的高阶张量，分解为与不同汉字笔画类别对应的多个张量分解特征的操作，包括：在所述张量分解模型为Tucker分解模型的情况下，所述张量分解特征为第一核张量，基于Tucker分解模型，并将预先训练的第一特征提取模型应用于与第一脑电信号数据对应的第一高阶张量；以及将所述第一脑电信号数据对应的第一高阶张量，分解为对应于所述不同汉字笔画类别的模式滤波器下的多个第一核张量，计算公式如下： ；其中，表示所述第一高阶张量，G表示所述多个第一核张量，表示与第一汉字笔画类别的模式滤波器对应的模乘，表示与第一汉字笔画类别对应的模式滤波器，表示与第二汉字笔画类别的模式滤波器对应的模乘，表示与第二汉字笔画类别对应的模式滤波器，表示与第三汉字笔画类别的模式滤波器对应的模乘，表示与第M汉字笔画类别的模式滤波器对应的模乘，表示与第M汉字笔画类别对应的模式滤波器，并且其中将所述多个张量分解特征展开为向量，并将与各个汉字笔画类别对应的多个张量分解特征进行拼接，从而生成脑电信号特征的操作，包括：分别将所述多个第一核张量展开为对应的多个第一向量，并将与所述不同汉字笔画类别对应的各个第一向量拼接，从而生成所述第一脑电信号特征，其中基于所述脑电信号特征和预先训练的分类器，生成与脑电信号数据对应的汉字笔画类别标签的操作，包括：将所述第一脑电信号特征输入至预先训练的第一分类器，从而生成与脑电信号数据对应的汉字笔画类别标签，并且其中还包括：采集与书写汉字笔画对应的多个第一脑电信号样本；计算所述多个第一脑电信号样本中，与所述不同汉字笔画类别对应的多个第一均值张量；计算与所述各个汉字笔画类别对应的Tucker分解，并保留与所述各个汉字笔画类别对应的模式滤波器，从而生成第一特征提取模型；计算与所述各个汉字笔画类别对应的模式滤波器下的多个第二核张量；将所述多个第二核张量展开为对应的多个第二向量，并将与所述不同汉字笔画类别对应的各个第二向量拼接，从而生成第二脑电信号特征；以及基于所述第二脑电信号特征和与各个第一脑电信号样本对应的汉字笔画类别标签，训练第一分类器。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 针对汉字笔画书写想象的高维张量分析方法及装置

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