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！

龙图腾网获悉华南理工大学申请的专利一种毒品成瘾人员识别方法、装置及存储介质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：CN118975804B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202410956905.X，技术领域涉及：A61B5/369；该发明授权一种毒品成瘾人员识别方法、装置及存储介质是由陈俊龙;袁浩章;张通设计研发完成，并于2024-07-17向国家知识产权局提交的专利申请。

本一种毒品成瘾人员识别方法、装置及存储介质在说明书摘要公布了：本发明公开了一种毒品成瘾人员识别方法、装置及存储介质，属于毒品成瘾人员识别领域。其中方法包括：获取脑电数据；对所述脑电数据进行预处理，获得脑电信号；使用微分熵对所述脑电信号进行动态特征进行提取，获得脑电信号特征；将获得的所述脑电信号特征输入至增量宽度学习中进行训练，并通过十折交叉验证对结果进行验证。本发明通过引入微分熵DE作为脑电信号的特征表示，以及结合增量宽度学习作为分类器，能够实现快速适应和高效训练，在处理高维度数据和非线性分类问题方面表现出色，避免了深度学习中大量参数训练带来的高计算资源消耗，可以实现边缘计算部署，能够有效地对脑电信号进行分类和识别。

本发明授权一种毒品成瘾人员识别方法、装置及存储介质在权利要求书中公布了：1.一种毒品成瘾人员识别方法，其特征在于，包括以下步骤： 获取脑电数据； 对所述脑电数据进行预处理，获得脑电信号； 使用微分熵对所述脑电信号进行动态特征进行提取，获得脑电信号特征； 将获得的所述脑电信号特征输入至增量宽度学习中进行训练，并通过十折交叉验证对结果进行验证； 所述使用微分熵对所述脑电信号进行动态特征进行提取，获得脑电信号特征，包括： 对于每个时间段的脑电信号，计算其一阶差分序列；所述一阶差分序列通过相邻时间点的脑电信号的数值之差计算获得； 估算一阶差分序列的概率密度函数；所述概率密度函数通过使用直方图法或核密度估计方法进行估算获得； 利用估算得到的概率密度函数，计算微分熵； 计算获得每个时间段的微分熵值后，将微分熵值作为脑电信号特征； 所述微分熵的计算公式如下： 其中，px表示信号的概率密度函数，x表示差分信号的取值； 所述将获得的所述脑电信号特征输入至增量宽度学习中进行训练，包括： 宽度学习的学习过程： 输入特征数据X，首先经过随机映射形成映射特征节点Zn≡[Z1,Z2,…,Zn]；其中第i组映射特征Zi的计算如公式1所示： 式中，为线性映射函数，Wei为随机权重，βei为随机偏置，n为映射特征的组数； 由得到的映射特征节点Zn经过非线性映射函数，形成增强特征节点Hm≡[H1,H2,…,Hm]； 第j个增强特征Hj的计算如公式2所示： Hj≡ζZnWhj+βhj,j＝1,2,…,m2式中，Whj、βhj为连接权重，m为增强节点的个数，ζZ,Whj,βhj为一个非线性激活函数； 合并得到的两种特征，形成新的成瘾脑电识别特征A＝[Z|H]，并连接到模型输出层Y；由于每一个样本的是否吸食毒品已知，只需计算特征层和输出层的连接权重W即可，计算公式如下： W＝A-1Y3计算时，使用岭回归来求解权值矩阵，即通过公式4的优化问题求解W： 其中，σ1＝σ2＝v＝u＝2，解得： W＝λI+AAT-1ATY5 式中，Y为真实输出，I为单位矩阵，λ为优化系数，T表示转置； 宽度学习预测输出为： 数据增量宽度学习的学习过程： 对于新增的输入数据{Xa,Ya}，根据公式7和8分别计算其对应的增量映射特征和增强节点： 那么新的特征层为： 输出层权重由如下公式更新： 其中，为数据Ba对应的标签； 宽度学习预测输出Y对应的置信度的计算公式如下： 式中，表示稀疏宽度活体识别网络的输出，表示稀疏宽度活体识别网络判断图像为第j种类别对应的输出。

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华南理工大学，其通讯地址为：510641 广东省广州市天河区五山路381号；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”。