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！

龙图腾网获悉浙江大学申请的专利一种基于特征融合和筛选的跨用户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：CN115905981B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202211335440.3，技术领域涉及：G06F18/2431；该发明授权一种基于特征融合和筛选的跨用户识别方法是由潘赟;曲梦杰;杨哲设计研发完成，并于2022-10-28向国家知识产权局提交的专利申请。

本一种基于特征融合和筛选的跨用户识别方法在说明书摘要公布了：一种基于特征融合和筛选的跨用户识别方法，属于机器学习技术领域，本发明针对基于生理和运动信号的跨用户识别问题，通过融合统计特征和深度特征，提升模型的表征能力，同时在基尼不纯度的基础上，提出一种跨用户的决策树节点划分准则，在构建分类模型的过程中，尽可能的选择与识别任务相关而与用户无关的特征，实现分类任务和域泛化之间的权衡，从而提升模型的泛化性能。

本发明授权一种基于特征融合和筛选的跨用户识别方法在权利要求书中公布了：1.一种基于特征融合和筛选的跨用户识别方法，其特征在于，所述方法包括以下步骤： 步骤1：在模型离线构建阶段，基于可穿戴传感器设备获取源域用户的生理和运动数据Xs，并标记对应的分类标签Ys和用户标签Gs； 步骤2：对源域用户数据Xs、分类标签Ys、用户标签Gs进行预处理和滑窗分段，构建训练样本集 步骤3：构建基于一维卷积和对抗学习的神经网络模型，在训练样本集上进行训练，获取深度特征提取器Eθ，步骤如下： 步骤3-1：构建基于一维卷积的神经网络模型； 所述神经网络模型包括深度特征提取器Eθ、任务标签分类器和用户鉴别器Dω，所述深度特征提取器Eθ包括e层子网络，每层子网络均包括：一维卷积层、池化层、激活函数层、批归一化层；所述任务标签分类器和用户鉴别器Dω均由随机失活层、全连接层、激活函数层、输出层构成，所述深度特征提取器Eθ从输入样本中提取深度特征Fd，经过展平后并作为任务标签分类器和用户鉴别器Dω的输入； 步骤3-2：采用对抗学习策略训练深度特征提取器Eθ，训练过程包括以下步骤： 步骤3-2-1：按照每个传感器通道对训练样本集数据进行标准化，采用公式如下： 其中向量μ、σ为训练样本集数据传感器通道上均值和标准差； 步骤3-2-2：在训练样本集中，随机选取两个用户的所有样本构成训练子集U1∪U2； 步骤3-2-3：将U1∪U2中的样本分批次输入到所述神经网络模型中，分别计算任务标签分类器上的损失用户鉴别器Dω上的损失Ldθ,ω；x,g以及深度特征提取器Eθ上的损失Ldθ；x,y,g，并通过后向传播更新网络参数，其计算公式如下： 其中θ、ω、分别为深度特征提取器Eθ、任务标签分类器用户鉴别器Dω的网络参数，μ为权重系数，通过对抗学习的策略训练深度特征提取器Eθ，提取到与用户无关的特征； 步骤3-2-4：多次迭代执行上述训练过程，直至模型收敛； 步骤4：分别提取源域数据Xs的统计特征向量Fh和深度特征向量Fd，并进行特征融合得到融合特征向量Fs； 步骤5：基于融合特征向量Fs，分类标签Ys和用户标签Gs，训练跨用户-随机森林分类器CRF； 步骤6：在模型在线应用阶段，基于可穿戴传感器设备获取目标用户的生理和运动数据Xt，依次经过步骤2，步骤4得到目标用户的融合特征向量Ft，并使用步骤5得到的跨用户-随机森林分类器CRF进行识别。

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浙江大学，其通讯地址为：310027 浙江省杭州市西湖区浙大路38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。