[发明专利]基于图半监督宽度学习的脑电信号分类方法在审
| 申请号： | 201910835899.1 | 申请日： | 2019-09-05 |
| 公开（公告）号： | CN110717390A | 公开（公告）日： | 2020-01-21 |
| 发明（设计）人： | 佘青山;周宇凯;罗志增 | 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;G06N3/04;G06N3/08 |
| 代理公司： | 33246 浙江千克知识产权代理有限公司 | 代理人： | 周希良 |
| 地址： | 310018 浙江省杭*** | 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： | 本发明涉及一种基于图半监督宽度学习分类方法。本发明通过图扩展方法将有标签样本的标签扩展至无标签样本，从而将有标签样本和无标签样本送入分类器进行训练，实现半监督算法。本发明首先通过构造一个基于样本数据间相似性的图，同时在构图中加入样本间差异性正则项，使之构造的用于标签扩展的图更准确。接着将有标签和无标签样本送入分类器进行训练，得到半监督分类器模型并进行优化求解，主要是获得从输入层到输出层的权重矩阵，这样在测试集进行测试时输入的样本通过权重矩阵就可得到相应的标签。本发明在脑电信号处理、脑机接口系统中具有广阔的应用前景。 | ||
| 搜索关键词： | 无标签样本 样本 半监督 标签 标签扩展 权重矩阵 分类器 送入 脑电信号处理 脑机接口系统 分类器模型 样本数据 优化求解 测试集 差异性 输出层 输入层 算法 测试 分类 应用 学习 | ||
【主权项】：
1.基于图半监督宽度学习的脑电信号分类方法，其特征在于：该方法包括以下主要步骤：/n步骤(1)、构造一个自适应图，通过对比两个样本间的相似性来传播标签，将有标签样本的标签通过自适应图扩展至无标签样本；其中所述自适应图存在一个目标函数；/n步骤(2)、对于步骤(1)中目标函数的两个变量进行优化求解，采用固定变量法固定其中一个变量而对另一个变量进行优化直至收敛；/n步骤(3)、将通过自适应图标签扩展获得的伪标签无标签样本和少量有标签样本送入BLS分类器进行SS-BLS的训练；/n具体是：假设经过预处理后的样本为
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/patent/201910835899.1/，转载请声明来源钻瓜专利网。
