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单源域适应跨时段脑纹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：CN118968560B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411144440.4，技术领域涉及：G06V40/10；该发明授权一种单源域适应跨时段脑纹识别方法是由孔万增;陈美如;金宣妤;刘栋军;周斐炜;马迪设计研发完成，并于2024-08-20向国家知识产权局提交的专利申请。

本一种单源域适应跨时段脑纹识别方法在说明书摘要公布了：本发明公开了一种单源域适应跨时段脑纹识别方法，该跨时段脑纹识别方法通过数据对齐处理受试者的数据，并使用域鉴别器对抗模块和关联域自适应模块来构建跨时段脑纹识别模型，能够在只有一个时段的脑电数据作为源域的情况下，仍能识别不同时段的脑电信号，解决了传统脑纹识别中跨时段数据泛化能力较弱和脑电标记数据不足的问题；同时，该跨时段脑纹识别方法采用的数据对齐方式并不需要被试标签，而是直接在原有脑电数据上进行变换，使其适应这些变化并提取域不变特征，从而实现单源域适应跨时段脑电信号的身份预测。此外，该跨时段脑纹识别方法引入自注意力机制来识别关键特征，减少对冗余信息的过度响应，从而提高特征的鲁棒性。

本发明授权一种单源域适应跨时段脑纹识别方法在权利要求书中公布了：1.一种单源域适应跨时段脑纹识别方法，其特征在于：包括以下步骤： 步骤一、采集多个受试者的脑电数据，并添加标签作为源域；再采集与源域不同时间段的脑电数据作为目标域； 步骤二、构建跨时段脑纹识别模型；跨时段脑纹识别模型包括多尺度特征提取模块、域鉴别器对抗模块、关联域自适应模块和线性分类模块；特征提取模块包括依次连接的时间卷积层、空间卷积层、深度可分离卷积层和注意力机制模块；通过时间卷积层、空间卷积层、深度可分离卷积层提取特征，获取初始特征并输入注意力机制模块获取最终输出特征；将最终输出特征分别输入域鉴别器对抗模块、关联域自适应模块和线性分类模块；域鉴别器对抗模块用于对源域和目标域的最终输出特征进行对抗训练；关联域自适应模块用于将相同类别的源域样本在特征空间中聚集； 步骤三、使用步骤一获取的数据集训练步骤二构建的跨时段脑纹识别模型； 所述的步骤三中，训练跨时段脑纹识别模型的损失函数L的表达式为： ； 其中，Lcls为交叉熵损失；Ldomain为域鉴别器损失；Lassociation为关联域自适应损失； 所述的交叉熵损失Lcls、域鉴别器损失Ldomain和交叉熵损失Lcls的表达式分别为： ； ； ； 其中，和分别为源域和目标域的域鉴别器损失；Lvisit和Lwalker分别为访问者损失和步行者损失；α为步行者损失的权重，α=0.6；为交叉熵损失；y为真实受试者标签；为预测的受试者标签；N为受试者数量； 域鉴别器损失和的表达式为： ； ； 其中，ns和nt分别是源域样本数量与目标域样本数量；Ds和Dt分别为训练集的源域与测试集的目标域；Gd为域鉴别器；Gf为特征提取模块；di为输入样本xi对应的域标签； 访问者损失Lvisit和步行者损失Lwalker的表达式为： ； ； 其中，；；Ai和Bj分别为源域样本和目标域样本经过特征提取网络的输出特征；class·为输出特征对应的受试者类别标签；为从输出特征Ai转移到输出特征Bj的转移概率；为两步往返概率； 转移概率和两步往返概率的表达式为： ； ； 其中，Mij为输出特征Ai和Bj的点积；为输出特征Bj返回到输出特征Ai的概率； 步骤四、采集受试者的脑电数据，并输入训练完成的跨时段脑纹识别模型中，对受试者的身份进行识别。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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。