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多域注意力融合网络的情绪识别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：CN119557728B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411612412.0，技术领域涉及：G06F18/241；该发明授权基于多域注意力融合网络的情绪识别方法是由沈凯威;佘青山;马玉良;席旭刚设计研发完成，并于2024-11-13向国家知识产权局提交的专利申请。

本基于多域注意力融合网络的情绪识别方法在说明书摘要公布了：本发明公开了基于多域注意力融合网络的情绪识别方法，该方法首先获取脑电EEG信号，并对EEG信号进行预处理，通过空频域混合通道注意力模块，进行通道特征提取，捕捉加权注意力特征。其次加权注意力特征通过CNN模块，提取EEG信号的空间和频域特征。然后将改进的多维自注意力与BiSRU相结合，捕捉空间和频域特征的综合特征。最后将综合特征通过Softmax函数进行分类，输出情绪识别结果。本发明增强了对脑电信号长期依赖关系的捕获能力，还有效提高了情绪识别的性能和效率。

本发明授权基于多域注意力融合网络的情绪识别方法在权利要求书中公布了：1.基于多域注意力融合网络的情绪识别方法，其特征在于，包括以下步骤： 步骤1、获取脑电EEG信号，并对EEG信号进行预处理； 步骤2、将预处理后的EEG信号通过空频域混合通道注意力模块，进行通道特征提取，捕捉加权注意力特征； 步骤3、加权注意力特征通过CNN模块，提取EEG信号的空间和频域特征，具体实现过程如下： 步骤3-1：卷积核的数量为K，其高度与通道数相同，选择指数线性单元ELU作为卷积操作的激活函数，第i个卷积特征Ci′,i＝1,2,...,n是由第i个加权注意力特征Ci通过卷积和激活运算得到的； 步骤3-2：采用BDPooling对卷积特征进行池化，BDPooling在每个步长和窗口大小内对输入首先进行双线性插值的计算操作，求出n个相应的插值，然后通过求插值平均表征池化窗口中的特征；每个特征编码Qi表示为池化窗口内插值平均后的结果，公式表示为： 其中，Pi,j是池化窗口i内进行双线性插值后得到的值，在每个池化窗口内部进行双线性插值计算，得到汇总后的特征表示； 步骤3-3：对汇总后的特征表示应用dropout操作，得到空间和频域特征； 步骤4、将改进的多维自注意力与BiSRU相结合，捕捉空间和频域特征的综合特征，具体实现过程如下： 步骤4-1：双向简单循环单元BiSRU，接收两个输入，即当前时间步的空间和频域特征、前一时间步的输入； 双向简单循环单元是对简单循环单元的扩展，通过同时处理序列的正向和反向信息，双向简单循环单元网络的第i个输出是{hi′|hi′＝BiSRUQi,i＝1,2,...,s}； 步骤4-2：通过改进的多维自注意机制，由双向简单循环单元的输出特征，提取空间和频域特征的综合特征，具体实现如下： 步骤4-2-1：通过从不同的点计算每个样本内部的相似度；特征得分向量zi看作是第i个特征hi′的一个表示；改进的多维自注意机制在激活函数内外增加了两个偏置项，其中zi表示为： zi＝fhi′＝WTσW1hi′+b1+b 其中，zi表示第i个编码脑电图样本的内在相似度；激活函数σ采用ELU，W和b分别为函数的权重项和偏置项，W1为权重参数，b1为偏置项； 步骤4-2-2：计算每个样本的概率矩阵Pki＝[p1,p2,...pi,...,ps]： 第i个EEG样本的概率表示为： 步骤4-2-3：改进的多维自注意机制提取的综合特征Fatt＝{F1,F2,...,Fn}，改进的多维自注意机制提取的第i个注意特征表示为：Fi＝pi·hi′； 步骤5、将综合特征通过Softmax函数进行分类，输出情绪识别结果。

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。