[发明专利]基于原型聚类域适应算法的跨被试EEG认知状态识别方法在审

专利信息
申请号: 202011589943.4 申请日: 2020-12-29
公开(公告)号: CN112749635A 公开(公告)日: 2021-05-04
发明(设计)人: 赵月;戴国骏;曾虹;李秀峰;刘洋;方欣;吴政轩;金燕萍;张佳明 申请(专利权)人: 杭州电子科技大学
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 杭州君度专利代理事务所(特殊普通合伙) 33240 代理人: 朱月芬
地址: 310018 浙*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 原型 聚类域 适应 算法 跨被试 eeg 认知 状态 识别 方法
【权利要求书】:

1.基于原型聚类域适应算法的跨被试EEG认知状态识别方法,其特征在于包括如下步骤:

步骤1:数据采集

设计沉浸诱导范式,以采集满足实验条件的多名临床网络游戏成瘾患者在诱发任务下的EEG数据,并设置正常对照组实验;为采集到的原始EEG数据打上成瘾或正常的认知状态标签;

步骤2:数据处理

针对采集到的原始EEG数据进行预处理操作,对采集得到的原始EEG数据进行伪迹去除操作;通过改进小波阈值降噪技术提取真实信号,然后利用功率谱密度提取EEG信号特征,为后续模型构建提供稳定的信号特征;

步骤3:数据定义

给定N个存在个体差异的EEG数据X={X1,…,XN},每个被试个体作为一个源域并且已知其认知状态标签,该多源域表示为但N个源域间标签可能不一致,即源域间类别不平衡;其中,表示第n个源域的第i个样本,对应的标签为K为所有被试个体包含的全部认知状态标签的类别数;而无标签的新被试个体作为目标域将聚K类后的领域定义为类别域

步骤4:基于PTC算法的跨被试EEG认知状态识别方法。

2.根据权利要求1所述的基于原型聚类域适应算法的跨被试EEG认知状态识别方法,其特征在于步骤2中通过改进小波阈值降噪技术提取真实信号,具体实现如下:加入噪声强度约束系数完成对每层信号的自适应阈值降噪,最后利用计算出的小波估计系数进行小波重构,得到去噪后的EEG信号;

其中噪声强度约束系数σs表示为带噪信号小波分解后第s层小波细节信号中噪声标准方差估值,As为该层小波细节信号的幅值,充分考虑噪声对整体信号的影响程度,以便更高效的去除原始信号中的噪声。

3.根据权利要求1或2所述的基于原型聚类域适应算法的跨被试EEG认知状态识别方法,其特征在于步骤4具体实现如下:

输入:带有认知状态标签的多源域样本数据Xsn,类别数K,不带认知状态标签的目标域样本数据Xt(类别数未知),和最大迭代次数T;

3-1.利用公共特征提取器F(·)提取多源域和目标域样本数据潜在的公共特征,将提取的公共特征映射到一个公共的特征空间;

3-2.以多源域样本数据Xsn特有的类别标签为约束优化分类器C(·),目标函数为有监督的分类损失loss:

其中,目标函数J(·)为交叉熵损失函数;

3-3.采用聚类算法实现多源域样本数据Xsn的所有特征分布对齐,对多源域中类别不平衡的带标签数据进行聚类对齐,聚类过程中以同类特征相近、异类特征相疏为目标,其函数表示为:

其中,μ表示该类簇所有样本的均值,标准差σ表示离散程度,m值应尽可能大,也就是说异类特征分布尽可能远;

3-4.形成K个新的类别域每个类别域对应一个类别标签YSk∈{1,…,K},其中第k个类别域的第i个样本表示为对应的标签表示为

3-5.计算每个类别域的原型中心无需训练额外的参数,有效降低模型复杂度,提高计算效率;原型中心可以定义为:

3-6.将无标签目标域样本Xt输入到源域分类器C(·),以获取目标域样本Xt被分为L个类簇的初始特征分布空间,每个类簇的初始原型中心表示为:

其中,CTl表示源域分类器C(·)的输出;

3-7.遍历目标域第l个类簇的第i个样本和K个类别域原型的相似性γ,然后以相似性为约束给每个样本设置权重ωi

其中,表示余弦相似性函数;

3-8.结合步骤3-6和步骤3-7动态自适应更新目标域每个类簇的原型中心

3-9.基于原型中心对目标域样本进行聚类,实现目标域样本聚类对齐,从而有效避免不同类簇形状和数量上的不平衡带来的消极影响,形式上表示为:

3-10.从域间类别原型中心及样本两方面进行约束,通过缩小域间原型中心与类簇样本的距离,以实现语义对齐,在迭代过程中,域间对齐的目标函数可以表述为:

3-11.总的目标优化函数为:

其中,λ1,λ2,λ3为模型的超参数;

3-12.重复步骤3-1至步骤3-11,直至迭代T次;

输出:目标域样本标签形式上可以定义为:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州电子科技大学,未经杭州电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011589943.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top