[发明专利]一种基于张量分解模型的多元脑电数据识别分析方法

权利要求书

1.一种基于张量分解模型的多元脑电数据识别分析方法，利用采集到的多元脑电信号，建立基于张量分解模型的多元脑电数据识别与分析模型，实现对脑电数据的识别与分析；包括如下步骤：

1）利用CP张量分解方法构建基于多元脑电数据的张量分解模型，作为多元脑电数据识别分析模型；包括：

11）针对脑电信号数据定义输入张量；

将每个脑电信号片段通过互信息表示为邻接矩阵，表示脑电数据收集器的电极数；通过堆叠所有的脑电信号片段的邻接矩阵定义输入张量，即；其中，取值为1到；为所有脑电信号片段的总数，；表示用于建模的个体的数目，表示用于识别的个体的数目；为第位个体的脑电信号片段的数目，；

12）通过CP张量分解方法将输入张量分解为组向量，表示为式1：

式1

其中，为输入张量的估计；为单位张量，即，其中表示狄拉克函数；是脑电电极信息矩阵；为脑电片段信息矩阵；是张量的第模态积；

2）建立用于建模的脑电信号数据的分类类别信息约束项，即标签矩阵；

定义最小化生理状态相似的两个脑电片段间距的目标函数，表示为式2：

式2

其中，为的第3模态展开矩阵；是所有用于建模的脑电信号片段总数；标签矩阵，表示脑电数据分类的数目；是基于标签矩阵的核矩阵，其元素代表第个片段和第个片段间的相似性；是的Frobenius范数；

3）进行个体脑电信号数据的分类识别；

定义脑电片段信息矩阵对应的映射矩阵为，脑电数据的识别过程采用岭回归表示为式3：

式3

其中，，表示只在训练过程中使用现有个体的脑电信号片段；是控制约束项的参数；表示矩阵的Frobenius范数；

通过求得式4的优化解，对个体脑电信号数据进行分类识别：

式4

其中，是所有控制各项的参数；

将求解得到的优化解记为，其中是求解得到的脑电电极信息矩阵；是求解得到的脑电片段信息矩阵，是求解得到的脑电片段信息矩阵对应的映射矩阵；

根据得到待识别的脑电数据的标签矩阵，即识别得到脑电数据的分类信息，由此实现基于张量分解模型的多元脑电数据分析与预测。

2.如权利要求1所述基于张量分解模型的多元脑电数据识别分析方法，其特征是，步骤12）将输入张量分解为组向量，每组包含三个向量，个同类型的向量表示为一个对应的矩阵。

3.如权利要求1所述基于张量分解模型的多元脑电数据识别分析方法，其特征是，标签矩阵中，每行只包含1个“1”元素和个“0”元素。

4.如权利要求1所述基于张量分解模型的多元脑电数据识别分析方法，其特征是，应用核函数对式4进行求解和分析。

5.如权利要求1所述基于张量分解模型的多元脑电数据识别分析方法，其特征是，具体是采用多块乘子交替方向法求解式4。

6.如权利要求1所述基于张量分解模型的多元脑电数据识别分析方法，其特征是，标签矩阵中表示的脑电信号数据的分类类别可包括发作前期与发作间期，采用独热编码表示。

7.如权利要求1所述基于张量分解模型的多元脑电数据识别分析方法，其特征是，定义，其中是新个体的标签矩阵；根据求解得到的即可得到待识别的脑电数据的标签矩阵，由此得到待识别的脑电数据的类别信息。

8.如权利要求1所述基于张量分解模型的多元脑电数据识别分析方法，其特征是，控制参数均为正值。