[发明专利]脑电分类模型生成方法、装置及电子设备

说明书

本申请提供了一种脑电分类模型生成方法、脑电分类模型生成装置、电子设备及计算机可读存储介质，该脑电分类模型生成方法包括：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K个受试对象的样本数据和预设的第一目标函数，计算使第一目标函数取最小值的正交变换矩阵，其中，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，正交变换矩阵用以将K个受试对象各自的脑电信息变换为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。本申请技术方案用以生成可应用于多个受试对象的脑电分类模型，节省脑电分类模型的维护成本。

技术领域

本申请属于脑-机交互技术领域，尤其涉及一种脑电分类模型生成方法、脑电分类模型生成装置、电子设备及计算机可读存储介质。

背景技术

脑电信号(Electroencephalogram，EEG)是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映。

目前，基于脑电信号的脑-机交互技术已成为业内研究的热点。脑-机交互技术的关键技术是如何快速有效地提取脑电信息和提高识别准确率。考虑到脑电信号具有高度的非平稳性和个体差异性，基于不同受试对象的脑电信息训练得到的脑电分类模型存在显著差异，因此，在现有的脑-机交互系统中，针对每一个受试对象分别训练独立的脑电分类模型(即每一个脑电分类模型适应于一受试对象)，以期通过训练得到的脑电分类模型对相应受试对象的脑电信息进行分类处理，从而提高识别准确率。由于脑电分类模型仅可应用于一个受试对象，因此，现有的脑-机交互系统的泛化性能较差，且，随着受试对象数量的增多，脑-机交互系统所需要维护的脑电分类模型也越来越多，相应的，脑电分类模型的维护成本也随之增加。

发明内容

有鉴于此，本申请提供了一种脑电分类模型生成方法、脑电分类模型生成装置、电子设备及计算机可读存储介质，用以生成可应用于多个受试对象的脑电分类模型，节省脑电分类模型的维护成本。

本申请实施例的第一方面提供了一种脑电分类模型生成方法，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。

基于本申请第一方面，在第一种可能的实现方式中，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，N_l表示第l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。

基于本申请第一方面的第一种可能的实现方式，在第二种可能的实现方式中，所述基于所述正交变换矩阵生成脑电分类模型包括：