买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉杭州电子科技大学申请的专利基于联合域对齐张量子空间学习的跨样本EEG解码方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115169483B 。

龙图腾网通过国家知识产权局官网在2025-06-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210868254.X，技术领域涉及：G06F18/213；该发明授权基于联合域对齐张量子空间学习的跨样本EEG解码方法是由叶孙斌;王雅文;施嘉祥;张启忠;高发荣设计研发完成，并于2022-07-22向国家知识产权局提交的专利申请。

本基于联合域对齐张量子空间学习的跨样本EEG解码方法在说明书摘要公布了：本发明公开了基于联合域对齐张量子空间学习的跨样本EEG解码方法，本发明将EEG数据多维信息利用张量表示，并利用Tucker分解技术获得不同维度特征信息并将其作为样本间的共享子空间。然后为减小域差异带来的影响，引入一组对齐矩阵集将不同样本域同时对齐张量子空间，利用图正则化保持源域和目标域的局部结构。最后利用交替迭代的方法学习最优子空间，并在子空间中训练一个线性分类器达到跨样本解码的目的。

本发明授权基于联合域对齐张量子空间学习的跨样本EEG解码方法在权利要求书中公布了：1.基于联合域对齐张量子空间学习的跨样本EEG解码方法，其特征在于，该方法具体包括以下步骤： 步骤1.数据预处理 采集脑电数据及预处理，并且利用复小波变换将脑电形成张量形式的数据由X表示； 步骤2.共享子空间获取 假设给定源域的Np个样本每个样本记为k-阶张量，并将Np个样本堆叠成k+1-阶张量同样，令是来自于目标域的Nq个样本； 利用Tucker分解获得初始张量子空间，如下所示： 其中[；]表示K阶张量分解中G与Ui的1至k-模式积，gs和gt是Xs和Xt的核心张量，U＝{Ui}i＝1…k表示源域和目标域的共享子空间； 步骤3.联合域对齐子空间 初始化一个对齐矩阵集M,将源域和目标域同时对齐张量子空间，产生以下优化： 其中对齐矩阵集张量子空间 是张量子空间下表示的核心张量，I是单位矩阵； 为保持源域，目标域的局部结构，引入了基于图的正则化；其中令X＝β[g；U]；其中X＝[XS,Xt],g＝[gs,gt],β＝[βs,βt]；是流形正则化适应矩阵；其中则图正则化表示为： s.t.βTβ＝I， 其中是一个相似矩阵，其定义如下： 其中NpXi是Xi的p-nearest集合，σ是一个尺度函数通常等于1；L＝I-D-12SD-12是归一化拉普拉斯矩阵，其中是的一个对角矩阵；至此给出了的总体优化问题： 其中λ是正则化的项权重； 步骤4.交替迭代优化子空间 由于M和Ui在式子中耦合，所以将其表述为联合优化问题，并利用交替最小化方案将问题分解为子问题，并迭代优化这些子问题直至收敛，最后获得一个近似的解； 步骤5.分类指标评价 将带有标签的源域数据投影到步骤4所得的优化张量子空间中，如下式： gs＝Xs×1U1T×2U2T…×KUiT 依靠特征张量gs训练一个线性分类器，同理将待解码的目标样本如下式投影： gt＝Xt×1U1T×2U2T…×KUiT 利用特征张量gt分类识别该方法的有效性。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。