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协同聚类的跨被试言语想象脑电意图解码域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：CN119474750B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411598562.0，技术领域涉及：G06F18/20；该发明授权基于协同聚类的跨被试言语想象脑电意图解码域迁移方法是由杨子玥;陈雨欣;彭勇设计研发完成，并于2024-11-11向国家知识产权局提交的专利申请。

本基于协同聚类的跨被试言语想象脑电意图解码域迁移方法在说明书摘要公布了：本发明公开了一种基于协同聚类的跨被试言语想象脑电意图解码域迁移方法，包括如下步骤：步骤1、获取已有的言语想象脑电数据，从而构建源域数据集并预处理；步骤2、提取预处理后的源域数据集中言语想象相关的脑电特征；步骤3、初始化样本的聚类指示矩阵和特征的聚类指示矩阵，并求解优化；步骤4、训练一个基于脑电样本和特征协同聚类的半监督言语想象意图解码模型；步骤5、采集目标域数据，并进行预处理；步骤6、确定目标域的最佳源域匹配；步骤7、调整后的系数矩阵；步骤8、在目标域上得到最终优化的样本特征耦合聚类脑电言语想象意图解码矩阵分解模型，继而，意图解码的识别标签可以转化为目标域样本的聚类指示矩阵并求解。

本发明授权基于协同聚类的跨被试言语想象脑电意图解码域迁移方法在权利要求书中公布了：1.一种基于协同聚类的跨被试言语想象脑电意图解码域迁移方法，其特征在于，包括如下步骤： 步骤1、获取已有的言语想象脑电数据，从而构建源域数据集并预处理，所述源域数据集Xs中包含m个源域数据子集； 步骤2、提取预处理后的源域数据集中言语想象相关的脑电特征，进而根据标签类型定义特征的聚类指示矩阵、样本的聚类指示矩阵为和系数矩阵； 步骤3、在半监督框架下完成特征的聚类指示矩阵、样本的聚类指示矩阵、系数矩阵的优化求解； 所述特征的聚类指示矩阵、样本的聚类指示矩阵、系数矩阵的求解方法： 首先，固定特征的聚类指示矩阵和样本的聚类指示矩阵的情况下求解系数矩阵，公式如下： s＝H-1r 其中H＝PTPQTQ，r＝PTXQ，其中P为特征的聚类指示矩阵，Q为样本的聚类指示矩阵，S为系数矩阵，X为数据矩阵； 然后，仅对无标签样本对应的样本聚类指示矩阵Qu进行迭代和计算，而有标签样本部分Ql保持不变，固定特征的聚类指示矩阵和系统矩阵的情况下，计算Qu， 由于Qu中的每个向量qi中只有一个元素等于1，其余为0，因此Qu的解可以由下式确定： 其中rk是R的第k列，R＝PS； 最后，固定样本的聚类指示矩阵和系数矩阵的情况下，求解特征的聚类指示矩阵，求解公式如下： 其中lk是L的第k行，L＝SQT； 重复上述求解过程，交替求解优化，迭代更新直至收敛，从而得到优化后特征的聚类指示矩阵Pi、样本的聚类指示矩阵Qi、系数矩阵Si； 步骤4、利用优化后的特征的聚类指示矩阵、样本的聚类指示矩阵、系数矩阵训练一个基于脑电样本和特征协同聚类的半监督言语想象意图解码模型，对于每个数据子集Xsi得到一个对应的独立的解码模型； 训练一个基于脑电样本和特征协同聚类的半监督言语想象意图解码模型的方法为： 基于一种基于矩阵分解的半监督稀疏邻约束共聚类算法，将原始数据矩阵X，其中，样本数为n，特征数为d，进行特征聚类和样本聚类,其共聚类的优化目标公式如下： 其中，P表示特征的聚类指示矩阵，Q表示样本的聚类指示矩阵，S为系数矩阵，用于连接P和Q，对于每个数据子集Xsii∈{1,2,...,Ns}得到一个对应的独立的解码模型，符号T表示矩阵的转置操作，符号F表示Frobenius范数，d表示特征数，c表示聚类的簇数，n表示样本数，diag表示对角矩阵，S∈diag表示S是一个对角矩阵； 步骤5、在任意时间段实时采集被试者的有言语想象意图标签的有标记脑电数据，即目标域数据，并进行预处理，从而得到目标域数据集Xt； 步骤6、遍历所有源域数据子集Xsi及其对应的优化后的特征的聚类指示矩阵和系数矩阵，确定目标域的最佳源域匹配； 设目标域收集到的言语想象脑电数据子集为Xt，由有标签样本Xtl和无标签样本Xtu组成，有标签样本对应的意图解码标签为Ytl，则令目标域样本的聚类指示矩阵Qtl＝Ytl； 遍历所有源域数据子集Xsi及其对应的矩阵Pi和Si，通过计算目标域数据Xt与源域数据子集对应的解码模型输出的近似矩阵PSQT之间的F范数，即选择使该范数最小的源域子集Xs*，从而得到该源域数据子集Xs*对应的特征的聚类指示矩阵Ps*和系统矩阵Ss*，并将其作为目标域的最佳源域匹配，继而作为域适应的对象； 步骤7、对最匹配的源域数据子集Xs*的特征的聚类指示矩阵和系数矩阵做出一定调整，得到调整后的系数矩阵； 所述源域数据子集Xs*对应的特征的聚类指示矩阵Ps*和系统矩阵Ss*的调整方法为：固定特征的聚类指示矩阵Ps*，仅调整系数矩阵Ss*，调整公式如下： Ss*′＝H-1r 其中 步骤8、在目标域上，根据特征的聚类指示矩阵Ps*和调整后的系数矩阵Ss*得到最终优化的样本特征耦合聚类脑电言语想象意图解码矩阵分解模型，继而，意图解码的识别标签可以转化为目标域样本的聚类指示矩阵； 步骤9、求解目标域样本的聚类指示矩阵得到解码结果。

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。