龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：杭州电子科技大学
摘要：本发明提出一种基于脑电多视图解码的群体运动想象分类识别方法，利用共空间模式挖掘多通道脑电具有区分度的空间特征，来构建面向于个体内脑电特性的空间视图关系。同时，基于格兰杰因果关系网络进行通道选择，并通过图卷积网络提取个体间的耦合信息，建立群体运动想象脑电的耦合关系视图。再通过多视图模型和融合策略，探索最大程度发挥各视图的优势，实现基于自表示学习的子空间聚类算法将两类视图表征信息进行联合解码。通过单人运动想象脑电时空特征和群体跨脑耦合特征构建联合单人和个体间耦合信息的多视图表征，以实现个体内脑电特性的空间视图关系，进而充分考虑多脑各个通道间的联系，进而提高脑电运动想象分类准确率。
主权项：1.一种基于脑电多视图解码的群体运动想象分类识别方法，其特征在于包括如下步骤：步骤一、群体运动想象脑电数据的获取；采集运动想象任务下至少2名个体的群体EEG信号数据，所述运动想象任务包括左手运动想象、右手运动想象和空闲态任务；步骤二、对步骤一采集的EEG信号进行预处理；步骤三、单人运动想象脑电时空特征的提取；对于步骤二预处理后的单人EEG信号通过共空间模式CSP提取出具有最大区分度的特征向量，作为单人运动想象脑电时空特征；步骤四、群体跨脑耦合特征的提取；4-1跨脑通道选择；对步骤二预处理后的群体EEG信号，计算个体间同通道的格兰杰因果值；然后根据格兰杰因果值对群体EEG信号进行降序排列，从群体EEG信号筛选出具有互相因果关系的前θ条通道对数据；将θ条通道对数据组合成一个张量形式；4-2群体耦合特征提取；融合图卷积的学习机制，将前θ条通道对数据的每个通道视为图卷积模型中图的一个节点，因此节点数应为nθ，n表示个体数量；每个节点的邻接矩阵由节点间的相位同步值构成；节点的特征矩阵包括节点的度、功率谱密度以及差分熵特征；通过利用邻居节点的特征矩阵信息来更新当前节点的特征矩阵，最终可以得到具有耦合信息的跨脑特征，即为群体跨脑耦合特征；步骤五、联合单人和个体间耦合信息的多视图表征与学习。
全文数据：
权利要求：
百度查询： 杭州电子科技大学 一种基于脑电多视图解码的群体运动想象分类识别方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号