買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜廈門大學申請的專利一種基于互信息驅動下的腦電情緒分類模型生成方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115444431B 。

龍圖騰網通過國家知識產權局官網在2025-03-21發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211076101.8，技術領域涉及：A61B5/369；該發明授權一種基于互信息驅動下的腦電情緒分類模型生成方法是由吳清鋒;王穎東;阮群生;周昌樂設計研發完成，并于2022-09-02向國家知識產權局提交的專利申請。

本一種基于互信息驅動下的腦電情緒分類模型生成方法在說明書摘要公布了：本申請涉及一種基于互信息驅動下的腦電情緒分類模型生成方法，其通過估計兩個特征之間的互信息的上界和下界，盡量結糾纏腦電的特征分為個性化和分類無關的特征，以及共性和分類相關的特征。通過共性相關的特征提取器進模型進行泛化，進而提升領域未知下的腦電情感分類的準確率。

本發明授權一種基于互信息驅動下的腦電情緒分類模型生成方法在權利要求書中公布了：1.一種基于互信息驅動下的腦電情緒分類模型生成方法，其特征在于：所述方法包括以下步驟：S101：采集腦電情緒訓練數據；S102：對腦電情緒訓練數據進行數據預處理，然后對預處理之后的腦電情緒訓練數據進行α、β、θ和γ四個頻段濾波，并將濾波后的腦電情緒訓練數據與原始腦電情緒訓練數據相結合以形成腦電輸入數據；S103：使用二維卷積網絡對腦電輸入數據進行二維卷積，獲得腦電信號初始特征： 其中，Em_or為腦電信號初始特征，為腦電輸入數據；S104：將腦電信號初始特征輸入基于自注意力機制的特征提取器，并輸出基于注意力的腦電特征，所述基于自注意力機制的特征提取器包括多個采用了多頭注意力機制的注意塊，所述多頭注意力機制的算法具體為： Em_a＝A*Em_or；其中，M為二維卷積核的個數，K代表鍵向量，V代表值向量，Q是查詢向量，是包含了M個特征且與q大小相同的系數矩陣，Lk為腦電數據的長度，qi代表第i個查詢向量，kj代表第j個鍵值，代表向量qi和向量kj的模；S105：將基于注意力的腦電特征輸入到一維卷積和池化中進行低維特征映射，從而獲得基于時間維度和通道的關鍵特征；S106：將基于時間維度和通道的關鍵特征進行特征分割：[Fre，Fir]＝split[Cov1dEm_a]；其中，Fre為類相關特征，Fir為類無關特征，split代表分割函數，Cov1d代表一維卷積；然后利用全局特征提取器對分割后的特征進一步降維，從而獲得全局特征： 其中，l代表不同神經網絡層，fre即Fre，為類相關特征，w代表變形參數，b代表偏執參數，Fg代表gobal特征提取器；S107：使用全連接神經網絡對全局特征進行標簽預測，以獲得訓練初始模型：Pre＝SoftmaxFgfre·W+b；其中，Softmax為歸一化函數，Fg為gobal特征提取器，W為映射參數，b為偏置參數；S108：利用損失函數對訓練初始模型進行優化，以獲得腦電情緒分類模型，所述損失函數為：loss＝α·L1+β·L2+γ·L3； 其中，α、β、γ為權重系數，xs和ys分別表示來自不同主題的不同域數據和對應的標簽，K代表標簽的不同種類，E代表期望，prek代表預測值；L2＝minE1，E2，C，D1maxM1Iθfir；fre；IθX；Y＝Ep[-spTθx，y]-Eq[spTθx，y′]；spz＝log1+ez；其中，Iθ為互信息，x和y是需要進行互信息估計的對應變量，Tθ是由θ組成的神經網絡，而y′是由沿著批量數據軸y隨機打亂后的變量，Ep為pq的聯合分布，而Eq代表邊緣分布，min代表優化網絡參數的最小化互信息，max代表優化網絡參數的最大化互信息，fir即Fir，為類無關特征；L3＝losslocal+lossglobal； 其中，E1為基本的特征提取器，E2為全局特征提取器，C為情緒分類器，D1為解糾纏，Z為變量，M2為子網絡Mloc，F2為分類之前的最后一層神經網絡的輸出，N和h分別代表特征的長和寬，losslocal通過引入M2網絡將兩者均變成一維特征后進行互信息計算，lossgloball通過引入M3網絡將F2的一維數據復制映射為二維數據后再與Fre進行細顆粒度互信息計算。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人廈門大學，其通訊地址為：361000 福建省廈門市思明區思明南路422號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。