[发明专利]基于联邦迁移的脑电数据处理方法、装置、设备及介质

权利要求书

1.一种基于联邦迁移的脑电数据处理方法，其特征在于，所述基于联邦迁移的脑电数据处理方法包括以下步骤：

获取多组脑电数据，并将多组所述脑电数据分别传输到本地终端内，与多组所述脑电数据分别对应的特征映射模型进行映射处理，生成标准脑电数据；

将所述标准脑电数据传输到本地终端内的脑活动识别模型进行处理，生成模型参数传输到预设公共服务器，以供所述预设公共服务器对所述模型参数和至少一个他方终端发送的其他模型参数进行聚合，生成更新参数；

接收所述更新参数，对所述脑活动识别模型进行更新，并基于更新的所述脑活动识别模型对各特征映射模型重新映射处理得到的标准脑电数据进行处理，直到所述脑活动识别模型所生成的总损失值小于预设值，完成基于联邦迁移对多组所述脑电数据的处理；

其中，所述基于更新的所述脑活动识别模型对各特征映射模型重新映射处理得到的标准脑电数据进行处理的步骤之后，所述方法包括：

获取更新后的所述脑活动识别模型对重新映射处理得到的标准脑电数据进行处理所生成的处理结果，并根据所述处理结果，确定经更新后所述脑活动识别模型对应的分类损失值；

根据重新映射处理的标准脑电数据，确定与各所述特征映射模型对应的降维损失值；

根据所述分类损失值和所述降维损失值，确定经更新后所述脑活动识别模型的总损失值，其中，所述总损失值包括所述脑活动识别模型对各脑电数据进行分类处理所得到的预测分类结果与各脑电数据的真实分类结果之间的分类损失值，和所述特征映射模型对各脑电数据进行降维映射所导致的降维损失值。

2.如权利要求1所述的基于联邦迁移的脑电数据处理方法，其特征在于，所述完成基于联邦迁移对多组所述脑电数据的处理的步骤之后，所述方法还包括：

当接收到待处理脑电数据时，调用所述特征映射模型进行映射处理；

将映射处理的待处理脑电数据传输到脑活动识别模型进行分类处理，获得与所述待处理脑电数据对应的脑活动类型。

3.如权利要求1所述的基于联邦迁移的脑电数据处理方法，其特征在于，所述将多组所述脑电数据分别传输到本地终端内，与多组所述脑电数据分别对应的特征映射模型进行映射处理，生成标准脑电数据的步骤包括：

根据多组所述脑电数据的数据属性，对多组所述脑电数据进行预处理；

将经预处理的多组所述脑电数据分别传输到本地终端内，并根据本地终端内与多组所述脑电数据分别对应的特征映射模型，对多组所述脑电数据分别进行映射处理，生成所述标准脑电数据。

4.如权利要求1所述的基于联邦迁移的脑电数据处理方法，其特征在于，所述根据所述处理结果，确定经更新后所述脑活动识别模型对应的分类损失值的步骤包括：

读取所述标准脑电数据的参考结果，并在所述参考结果和所述处理结果之间进行相似度计算，生成第一相似度值；

根据所述第一相似度值，确定经更新后所述脑活动识别模型的分类损失值。

5.如权利要求1所述的基于联邦迁移的脑电数据处理方法，其特征在于，所述根据重新映射处理的标准脑电数据，确定与各所述特征映射模型对应的降维损失值的步骤包括：

根据重新映射处理的标准脑电数据与多组所述脑电数据之间的对应关系，将重新映射处理的标准脑电数据划分为多组标准子数据；

对多组所述标准子数据进行两两组合，并对各所述组合中的每组标准子数据分别进行再现处理，生成各所述组合中的两组数据点；

对各所述组合中每组数据点分别进行均值处理，生成各所述组合中每组数据点的平均值，并根据各所述组合中每组数据点的平均值，生成各所述组合的第二相似度值；

根据各所述组合的第二相似度值，确定各所述组合的组合降维损失值，并根据各所述组合降维损失值，生成与各所述特征映射模型对应的降维损失值。