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！

龙图腾网获悉南京邮电大学申请的专利基于多视图动态加权的自适应脑电信号识别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：CN120724270B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202511233640.1，技术领域涉及：G06F18/241；该发明授权基于多视图动态加权的自适应脑电信号识别方法及系统是由梁爽;祖薇;杭文龙设计研发完成，并于2025-09-01向国家知识产权局提交的专利申请。

本基于多视图动态加权的自适应脑电信号识别方法及系统在说明书摘要公布了：本发明公开了基于多视图动态加权的自适应脑电信号识别方法及系统，涉及脑电信号识别技术领域，包括：对预处理后的源域EEG数据进行对齐，并在对齐后的数据基础上，采用傅里叶变换替代方法进行数据增广，生成两个不同视图的EEG数据，并训练EEG识别模型；对在线测试EEG数据进行对齐，并生成不同视图下的测试EEG数据；引入多视图EEG数据加权机制，得到测试EEG数据的置信度权重；设计了加权条件熵正则化，利用可靠的数据更新模型，使其对测试EEG数据具有较高的预测置信度；同时结合置信度权重，设计了加权边缘标签分布正则化进行更新，基于更新后的EEG识别模型实现自适应脑电信号的识别，提升了对脑电信号的识别性能。

本发明授权基于多视图动态加权的自适应脑电信号识别方法及系统在权利要求书中公布了：1.基于多视图动态加权的自适应脑电信号识别方法，其特征在于，方法包括以下步骤： 获取源域EEG数据，对源域EEG数据进行预处理，将预处理后的源域EEG数据进行数据对齐，将对齐后的源域EEG数据进行数据增广，得到两个不同视图的EEG数据，将两个不同视图的EEG数据输入至预先建立的源域EEG识别模型内进行训练，以最小化损失函数为目标，输出得到训练后的源域EEG识别模型，其中，所述两个不同视图的EEG数据包括原始数据和增广数据，所述损失函数包括结合交叉熵损失函数与一致性损失函数； 获取测试EEG数据，将测试EEG数据进行数据对齐，将对齐后的测试EEG数据进行数据增广，得到增广后的EEG数据视图，将增广后的EEG数据视图输入至训练后的源域EEG识别模型内，输出得到测试EEG数据的KL散度值，作为测试EEG数据的置信度权重；其中，所述EEG识别模型包括学生模型和教师模型； 所述将增广后的EEG数据视图输入至训练后的源域EEG识别模型内，输出得到测试EEG数据的KL散度值的计算过程，包括： 权重函数记为，其通过计算学生模型和教师模型不同视图下的测试EEG数据预测的差异性，反映测试EEG数据的置信度权重，如下： 1 表示指数散度值，计算如下： 2 式中，表示批大小，表示增广EEG数据，表示计算均值操作，表示指数运算，表示对数运算，表示学生模型对测试数据的概率预测，表示教师模型对增广EEG数据的概率预测，和分别表示学生模型和教师模型的模型参数； 所述基于测试EEG数据的置信度权重生成加权条件熵正则化，包括： 通过利用香农熵来度量测试EEG数据预测概率的条件熵，如下： 3 是指批大小，是指缩放因子，指当前测试EEG数据达到时刻，若，则的标签由源域EEG识别模型给出；为置信度权重，若，则标签由在线的学生模型给出； 基于测试EEG数据的置信度权重生成加权条件熵正则化和加权边缘标签分布正则化，基于加权条件熵正则化和加权边缘标签分布正则化对训练后的源域EEG识别模型进行更新，得到更新后的EEG识别模型，基于更新后的EEG识别模型实现自适应脑电信号的识别。

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南京邮电大学，其通讯地址为：210023 江苏省南京市栖霞区文苑路9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。