申请/专利权人:杭州电子科技大学
申请日:2024-03-13
公开(公告)日:2024-06-25
公开(公告)号:CN118245912A
主分类号:G06F18/2415
分类号:G06F18/2415;G06F18/214;G06F18/21;G06F18/2113;G06N3/045;G06N3/084;G06N3/0464;G06N3/082;G06F123/02
优先权:
专利状态码:在审-公开
法律状态:2024.06.25#公开
摘要:本发明公开了一种基于三元组度量的小样本脑电信号分类方法,该方法首先获取运动想象脑电信号数据,并进行数据处理。其次通过深度网络模型提取脑电信号的特征,并将所提取的特征做通道信息和空间信息加强,输出脑电信号分类结果。然后引入度量学习,将度量学习和交叉熵损失函数结合为联合损失函数,使用内外环训练方式训练深度网络模型。最后微调联合损失函数训练好的深度网络模型,并评估测试。本发明加强了模型对少量样本的学习效率,对于未知的受试者具备更强的泛化能力。
主权项:1.一种基于三元组度量的小样本脑电信号分类方法,其特征在于,包括如下步骤:S1、获取运动想象脑电信号数据,并进行数据处理;S2、通过深度网络模型提取脑电信号的特征,并将所提取的特征做通道信息和空间信息加强,再由分类器输出脑电信号分类结果;S3、引入度量学习,将度量学习和交叉熵损失函数结合为联合损失函数,使用内外环训练方式训练深度网络模型;S4、微调联合损失函数训练后的深度网络模型,并评估测试深度网络模型的性能。
全文数据:
权利要求:
百度查询: 杭州电子科技大学 一种基于三元组度量的小样本脑电信号分类方法
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。