Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 燕山大学付荣荣获国家专利权

燕山大学付荣荣获国家专利权

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!

龙图腾网获悉燕山大学申请的专利基于Hjorth参数宽度学习系统模型的脑电数据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:CN115409055B

龙图腾网通过国家知识产权局官网在2025-08-05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:202210952608.9,技术领域涉及:G06F18/241;该发明授权基于Hjorth参数宽度学习系统模型的脑电数据解码方法是由付荣荣;李林玉;王耀东;路斌;王世伟设计研发完成,并于2022-08-09向国家知识产权局提交的专利申请。

基于Hjorth参数宽度学习系统模型的脑电数据解码方法在说明书摘要公布了:本发明涉及一种基于Hjorth参数宽度学习系统模型的脑电数据解码方法,其包括以下步骤,步骤一:获取脑电数据集,利用线脉冲响应带通滤波对脑电数据集进行预处理;步骤二:计算预处理后脑电数据集的Hjorth参数,构建脑电数据集特征矩阵;步骤三:根据Hjorth参数的特征矩阵,建立宽度学习系统模型;步骤四:根据宽度学习系统模型,对脑电数据进行解码。本方法结合Hjorth参数和脑电数据时频信息的特点,建立宽度学习系统模型实现了脑电数据解码,本模型具有结构简单、输入参数少、模型训练快的特点;本方法实现了脑电数据特征的快速拟合,有效提高了脑电数据分类的准确性,提高了内存资源的利用率,模型具有适用性强,实际应用效果好的特点。

本发明授权基于Hjorth参数宽度学习系统模型的脑电数据解码方法在权利要求书中公布了:1.一种基于Hjorth参数宽度学习系统模型的脑电数据解码方法,其特征在于,其包括以下步骤: 步骤1:获取脑电数据集,利用线脉冲响应带通滤波对脑电数据集进行预处理; 利用线脉冲响应带通滤波器对原始脑电数据集进行带通滤波,得到滤波后的脑电数据集;将滤波后的脑电数据集进行分段,划分为脑电数据训练集和脑电数据测试集; 步骤2:计算预处理后脑电数据集的Hjorth参数,构建脑电数据集特征矩阵; 所述脑电数据集的Hjorth参数包括活动性特征f1、移动性特征f2和复杂性特征f3;根据脑电数据训练集确定Hjorth参数,组建特征矩阵F如下式所示: 式中:F表示Hjorth参数的特征矩阵;f11…f61分别表示第1个…第6个通道的活动性特征;f12…f62分别表示第1个…第6个通道的移动性特征;f13…f63分别表示第1个…第6个通道的复杂性特征; 步骤3:根据Hjorth参数的特征矩阵,建立宽度学习系统模型; 步骤31:获取步骤2确定的Hjorth参数的特征矩阵,利用输入数据映射的特征作为特征节点,对于n个特征映射节点,每个特征映射生成k个节点,特征节点的特征映射表示为: Zi=ΦFWei+βei,i=1,...,n; 式中:Zi表示第i个特征节点的特征映射,i=1,…,n;Wei和βei分别表示第i个特征节点生成的第一和第二权重;Φ表示特征节点的特征映射传递函数;n表示特征映射节点个数; 对原始脑电数据的n个特征映射得到一组特征节点的特征映射向量Zn,如下所示: Zn=[Z1,...,Zn]; 式中:Zn表示特征节点的特征映射向量; 步骤32:获取增强节点的特征映射,利用特征节点生成的权重通过进一步特征映射得到第j组增强节点的特征映射Hj,如下所示: Hj=ξZnWhj,j=1,...,m; 式中:Hj表示第j个增强节点的特征映射,j=1,…,m;Whj表示第j个特征节点经过特征映射生成的权重,j=1,…,m;ξ表示对增强节点的特征映射传递函数;m表示增强节点个数; 对前m组增强节点的特征进行映射,获得增强节点的特征映射向量Hm,如下所示: Hm=[H1,...,Hm]; 式中:Hm表示增强节点的特征映射向量; 步骤33:将特征节点的特征映射向量Zn与增强节点的特征映射向量Hm拼接在一起作为宽度学习系统模型的输入层,如下所示; A=[Zn|Hm]; 式中:A表示宽度学习系统模型的输入层; 步骤34:获取宽度学习系统模型在脑电数据解码任务上的权重矩阵,通过模型的输出向量Y和输入层[Zn|Hm]之间权重模型矩阵构建输出表达式如下所示: 式中:Y表示宽度学习系统模型的输出向量;表示宽度学习系统的权重模型矩阵; 权重模型矩阵的计算结果如下所示: 式中:[Zn|Hm]+表示输入层[Zn|Hm]的伪逆;λ表示权重模型矩阵的岭参数;I表示权重模型矩阵的单位矩阵;AT表示宽度学习系统模型的输入层的转置; 步骤4:根据宽度学习系统模型,对脑电数据进行解码; 提取步骤1中脑电数据测试集的Hjorth参数特征,并利用步骤3建立的宽度学习系统模型,完成对脑电数据的解码。

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燕山大学,其通讯地址为:066004 河北省秦皇岛市河北大街西段438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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。