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！

龙图腾网获悉西安电子科技大学申请的专利一种共享子空间学习的脑机信息融合分类方法及系统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：CN114742092B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202210257094.5，技术领域涉及：G06F18/2411；该发明授权一种共享子空间学习的脑机信息融合分类方法及系统是由梁继民;闫健璞;胡海虹;任胜寒;郭开泰;郑洋;王梓宇设计研发完成，并于2022-03-16向国家知识产权局提交的专利申请。

本一种共享子空间学习的脑机信息融合分类方法及系统在说明书摘要公布了：本发明属于脑机接口技术应用技术领域，公开了一种共享子空间学习的脑机信息融合分类方法及系统，所述脑机信息融合分类方法包括训练阶段和推理阶段；其中，所述训练阶段利用成对的图像和大脑响应数据，通过正负样本采样的对比学习策略，优化图像和大脑响应的共享子空间模型参数，并训练图像分类器；所述推理阶段提取图像特征进行分类，实现整个脑机信息融合分类系统的应用目标。本发明的共享子空间学习的脑机信息融合分类系统能够端到端的训练共享子空间，实现大脑认知信息的高效迁移，提升了在复杂开场景下图像分类任务的性能；通过“脑不在环路”应用，提高了现实应用中的效率与稳定性，在脑机信息协同工作的新范式下具有广泛的应用前景。

本发明授权一种共享子空间学习的脑机信息融合分类方法及系统在权利要求书中公布了：1.一种共享子空间学习的脑机信息融合分类方法，其特征在于，所述共享子空间学习的脑机信息融合分类方法包括训练阶段和推理阶段；其中，所述训练阶段利用成对的图像和大脑响应数据，通过正负样本采样的对比学习策略，优化图像和大脑响应的共享子空间模型参数，并训练图像分类器；所述推理阶段提取图像特征进行分类，实现整个脑机信息融合分类系统的应用目标； 所述共享子空间学习的脑机信息融合分类方法包括以下步骤： 步骤一，训练阶段： 1利用ResNet特征提取结构和全连接层分别构建图像和大脑响应的双流特征提取网络，作为共享子空间的特征提取模型； 2加载成对的刺激图像和大脑响应数据集，基于正负采样的对比学习方法优化共享子空间的双流网络模型参数，直至模型收敛； 3利用收敛的双流网络提取训练集刺激图像在共享子空间的图像特征集，并利用所述图像特征集训练SVM分类器； 步骤二，推理阶段： 1加载测试图像以及双流网络中的图像分支模型，提取测试图像在共享子空间中的图像特征； 2将图像特征送入SVM分类器，输出图像特征分类的概率类别； 所述步骤一中的构建共享子空间双流特征提取模型包括： 1利用PyTorch深度学习框架搭建ResNet34模型结构，去除全连接层，并添加全连接层，输入尺寸为512，输出尺寸为168维，设置模型参数“pretrained＝True”，加载ImageNet预训练模型参数，作为双流网络的图像特征提取分支； 2利用PyTorch深度学习框架构建三层全连接网络，输入输出尺寸均为168维，并赋随机初始化参数，作为双流网络的大脑响应特征提取分支； 3将图像和大脑响应特征提取模块类集成为双流网络的共用类模块。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2号西安电子科技大学；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”。