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一种基于脑电协同聚类的半监督言语想象意图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：CN119557677B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202411598571.X，技术领域涉及：G06F18/23213；该发明授权一种基于脑电协同聚类的半监督言语想象意图解码方法是由杨子玥;王艺谚;彭勇设计研发完成，并于2024-11-11向国家知识产权局提交的专利申请。

本一种基于脑电协同聚类的半监督言语想象意图解码方法在说明书摘要公布了：本发明公开了一种基于脑电协同聚类的半监督言语想象意图解码方法，包括如下步骤：步骤1、采集言语想象的脑电数据；步骤2、对预处理后的脑电数据进行特征提取；步骤3、将原始数据矩阵进行特征聚类和样本聚类，从而得到特征的聚类指示矩阵、样本的聚类指示矩阵和系数矩阵；步骤4、在半监督框架下完成对特征的聚类指示矩阵、样本的聚类指示矩阵和系数矩阵的优化求解；步骤5、通过可视化手段，展示基于脑电样本和特征协同聚类的半监督学习模型得到的解码结果。该方法在基于脑电信号的言语想象意图解码研究和系统中能够充分发掘和利用特征和样本的双向复杂交互模式以及言语想象的标签信息。

本发明授权一种基于脑电协同聚类的半监督言语想象意图解码方法在权利要求书中公布了：1.一种基于脑电协同聚类的半监督言语想象意图解码方法，其特征在于，包括如下步骤： 步骤1、采集言语想象的脑电数据，并对采集的脑电数据根据言语想象打上标签并预处理； 步骤2、对预处理后的脑电数据进行特征提取，所述特征提取方法为：首先从五个频段提取脑电特征，进而针对各个频段和不同脑电电极通道提取相应的时域特征、频域特征、时频域特征和空域特征，最后将所有提取的特征进行连接、整理和标准化后，得到原始数据矩阵； 步骤3、将原始数据矩阵进行特征聚类和样本聚类，从而得到特征的聚类指示矩阵、样本的聚类指示矩阵和系数矩阵； 将原始数据矩阵定义为X，所述原始数据矩阵X中样本数为n，特征数为d，所述原始数据矩阵X包括有标签样本Xl和无标签样本Xu，其中有标签样本Xl的个数为l，无标签样本Xu的个数为u，因此原始数据矩阵X重新排列为相应的样本的聚类指示矩阵Q可表示为其中Ql∈Φl×c为有标签样本对应的样本聚类指示矩阵,Qu∈Φn-l×c为无标签样本对应的样本聚类指示矩阵； 将原始数据矩阵X进行特征聚类和样本聚类,其共聚类的优化目标公式如下： s.t.P∈Φd×c,Q∈Φn×c,S∈diag 其中，P表示特征的聚类指示矩阵，Q表示样本的聚类指示矩阵，S为系数矩阵，用于连接P和Q，符号T表示矩阵的转置操作，符号F表示Frobenius范数，d表示特征数，c表示聚类的簇数，n表示样本数，diag表示对角矩阵，S∈diag表示S是一个对角矩阵； 步骤4、在半监督框架下完成对特征的聚类指示矩阵、样本的聚类指示矩阵和系数矩阵的优化求解； 所述优化求解方法为： 在固定P和Q的情况下求解S，求解公式如下： S＝H-1r， 其中H＝PTPQTQ，且r＝PTXQ； 固定P和S的情况下，计算Qu： 由于Qu中的每个向量qi中只有一个元素等于1，其余为0，因此Qu的解可以由下式确定： 其中rk是R的第k列，R＝PS,xi表示第i个无标签样本的特征向量，argmink表达选取使距离最小的类别k；将聚类的类别固定设置为言语想象意图标签类别，其中言语想象意图标签类别个数定义为c； 在固定Q和S的情况下，计算P，求解公式如下： 其中lk是L的第k行，L＝SQT，xj表示第j个特征向量，注意j表示特征的索引，而非样本的索引；argmink选择最小值对应的类别索引k； 重复上述求解过程，交替求解优化，迭代更新直至收敛； 步骤5、通过可视化手段，展示基于脑电样本和特征协同聚类的半监督学习模型得到的解码结果。

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 浙江省杭州市钱塘区白杨街道2号大街1158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”。

以上内容由龙图腾AI智能生成。