[发明专利]脑电分类模型生成方法、装置及电子设备

权利要求书

1.一种脑电分类模型生成方法，其特征在于，包括：

获取K个受试对象的样本数据，其中，所述样本数据包含：已分类的脑电信息以及相应脑电信息的分类结果，所述K大于或等于2；

基于所述K个受试对象的样本数据和预设的第一目标函数，计算使所述第一目标函数取最小值的正交变换矩阵，其中，所述第一目标函数为与正交变换矩阵和K个受试对象的脑电信息相关的函数，所述正交变换矩阵用以将所述K个受试对象各自的脑电信息变换为所述K个受试对象之间的相关性信息；

基于所述正交变换矩阵生成脑电分类模型，以便采用所述脑电分类模型对所述K个受试对象中的任一受试对象的脑电信息进行分类；

所述第一目标函数为：

所述第一目标函数中的N_k表示第k个受试对象的样本数据个数，N₁表示第1个受试对象的样本数据个数，P表示正交变换矩阵，P^T为P的转置，表示x_i，k的转置，x_i，k表示第k个受试对象的第i个样本数据中的脑电信息，表示x_j，l的转置，x_j，l表示第l个受试对象的第j个样本数据中的脑电信息；

所述基于所述K个受试对象的样本数据和预设的第一目标函数，计算使所述第一目标函数取最小值的正交变换矩阵为：

在满足PP^T＝I的条件下，基于所述K个受试对象的样本数据，计算使所述第一目标函数取最小值的P，其中，所述I为单位矩阵。

2.根据权利要求1所述的脑电分类模型生成方法，其特征在于，所述基于所述正交变换矩阵生成脑电分类模型包括：

根据计算得到的正交变换矩阵、所述第一目标函数和预设的第二目标函数，基于拉格朗日表达式确定所述第二目标函数中的第一权向量、第二权向量和偏置值；

基于所述正交变换矩阵以及确定出的所述第一权向量、所述第二权向量和所述偏置值生成脑电分类模型；

其中，所述第二目标函数为：

且所述第二目标函数满足：

ρ_i，k表示第k个受试对象的第i个样本数据的贡献程度，ε_i，k为x_i，k的松弛变量，C_k和λ为大于0的值，y_i，k表示第k个受试对象的第i个样本数据的分类结果，为W_k的转置，W_k表示与第k个受试对象相关的第一权向量，V^T为V的转置，V表示第二权向量，b_k表示与第k个受试对象相关的偏置值。

3.根据权利要求2所述的脑电分类模型生成方法，其特征在于，所述基于所述正交变换矩阵以及确定出的所述第一权向量、所述第二权向量和所述偏置值生成脑电分类模型为：

基于正交变换矩阵以及确定出的所述第一权向量、所述第二权向量和所述偏置值生成脑电分类模型的分类算法；

所述分类算法为：

其中，当k′＝k时，Z_i，k＝Px_i，k，当k′≠k时，Z_i，k＝Qx_i，k，且，且，α_i，k′和b_k满足等式[K+z]·α＝Y，在所述等式中，