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！

龙图腾网获悉东南大学申请的专利一种基于黎曼空间的手部自然动作脑电数据迁移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：CN115470819B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202211108226.4，技术领域涉及：G06F18/241；该发明授权一种基于黎曼空间的手部自然动作脑电数据迁移方法是由徐宝国;薛沐辉;平靖宇;邓乐莹;宋爱国设计研发完成，并于2022-09-13向国家知识产权局提交的专利申请。

本一种基于黎曼空间的手部自然动作脑电数据迁移方法在说明书摘要公布了：本发明公开了一种基于黎曼空间的手部自然动作脑电数据迁移方法，包括：分别提取新用户和历史用户手部自然动作脑电信号的空间协方差矩阵作为目标数据集和历史数据集；以不同类别之间黎曼中心的距离之和为依据在历史数据集中选出源数据集，并对源数据集和目标数据集的黎曼中心进行对齐；利用源数据集样本和目标数据集样本之间的距离关系筛选出源数据集样本加入训练集；将完成对齐后的目标数据集在黎曼空间中进行几何变换；最后将变换后带有标注的目标数据集样本与筛选出的源数据集样本合并成为训练集，用以新用户的模型的建立。本发明能够借助历史用户的手部自然动作脑电数据辅助新用户模型的建立，缩短模型校准的时间。

本发明授权一种基于黎曼空间的手部自然动作脑电数据迁移方法在权利要求书中公布了：1.一种基于黎曼空间的手部自然动作脑电数据迁移方法，其特征在于：包括以下步骤， 1收集m个历史用户和一个新用户执行k个手部自然动作任务时的脑电数据，在完成对脑电数据的预处理后，提取用户脑电信号样本X∈RN×T的空间协方差矩阵作为统计特征，并结合与之对应的类别标签作为数据集；分别将来自第a个历史用户的数据集和新用户的数据集定义为历史数据集和目标数据集其中，目标数据集中已标注的样本集记为未标注的样本集记为 2针对每个历史数据集，在黎曼空间中根据黎曼距离度量分别求出该历史数据集中各个类别的数据点对应的黎曼中心，并计算各个类别黎曼中心之间的两两黎曼距离之和；选择各类别黎曼中心之间两两黎曼距离之和最大的历史数据集作为源数据集辅助新模型的建立； 2.1对每个历史数据集，计算每个类别的数据对应的黎曼中心，方法如下： 定义任意两个协方差矩阵的黎曼距离为： 其中λk为矩阵的特征值； 定义K个数据点的黎曼中心点为： 其中为对称正定矩阵，其定义为到其它数据点的黎曼距离之和最小的点，该式需要使用梯度下降算法来迭代求解； 2.2对每个历史数据集，计算各个黎曼中心之间的两两黎曼距离之和，选择该和最大的历史数据集作为源数据集计算方法如下： 其中，分别表示第i类和第j类的黎曼中心； 3在黎曼流形中，依据黎曼距离度量分别求出源数据集的黎曼中心M以及目标数据集中的黎曼中心并利用M和作为参考矩阵对协方差矩阵Ci和进行变换，得到新的数据集和 4记数据集中未标注样本的集合为首先计算数据集中所有样本与数据集中所有样本之间的黎曼距离，然后选择距离数据集中样本最近的若干个数据集中的样本加入训练集； 5记数据集中带标注样本的集合为计算数据集和关于各自黎曼中心的分布d和将d和作为参数对数据集中的矩阵进行放缩变换，得到数据集 6计算数据集和数据集中每种类别对应数据点的黎曼中心Mk和在此基础上寻找一个正交矩阵U，对数据集中的矩阵进行旋转变换，得到数据集 6.1分别计算数据集和数据集中每种类别对应数据点的黎曼中心Mk和方法如下： 其中，yi与代表类别标签，k表示类别； 6.2通过求解计算得到变换矩阵U， 其中，L为类别的数量，ωk∈[0，1]是允许根据每个类的黎曼平均值来平衡优化的系数， Gk与的定义如下： 其中M和的意义与3中所述相同； 6.3利用变换矩阵U对数据集中的矩阵进行如下旋转变换： 其中表示经旋转变换后的协方差矩阵，构成数据集 7记数据集中带有标注的子集为不带标注的子集为在训练新用户的模型时，将上述的数据集和合并作为训练集，将作为测试集。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2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”。