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！

龙图腾网获悉吉林大学申请的专利基于加权原型和图卷积的多源域自适应脑电信号分类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：CN116432105B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202310417217.1，技术领域涉及：G06F18/241；该发明授权基于加权原型和图卷积的多源域自适应脑电信号分类方法是由李慧盈;张冬雪设计研发完成，并于2023-04-18向国家知识产权局提交的专利申请。

本基于加权原型和图卷积的多源域自适应脑电信号分类方法在说明书摘要公布了：本发明涉及运动想象脑电信号分类领域，具体提供了一种基于加权原型和图卷积的多源域自适应脑电信号分类方法，包括步骤：S1：对脑电信号进行数据预处理及数据划分；S2：模型训练：将目标域和各个源域的特征分别利用MMD损失进行全局上的对齐，并设计多个图卷积操作对对齐进行辅助；通过对各个源域的类原型进行加权以获得联合源类原型来实现类级细粒度对齐；通过源域与目标域特征的MMD损失、多个源域的分类交叉熵损失及目标域特征与联合源域原型的对比损失对网络进行参数更新并获取最优参数；S3：模型测试：通过S2中获取的最优参数对待测的无标签样本数据进行测试。本方案可实现数据的充分有效利用。

本发明授权基于加权原型和图卷积的多源域自适应脑电信号分类方法在权利要求书中公布了：1.一种基于加权原型和图卷积的多源域自适应脑电信号分类方法，其特征在于，包括如下步骤： S1：对脑电信号进行数据预处理及数据划分；将当前用户的无标签会话数据作为目标域，将当前用户的有标签会话数据及其他用户数据作为多个单独的源域； S2：模型训练：将目标域和各个源域的特征分别利用MMD损失进行全局上的对齐，并设计多个图卷积操作对对齐进行辅助；通过对各个源域的类原型进行加权以获得联合源类原型来实现类级细粒度对齐；通过源域与目标域特征的MMD损失、多个源域的分类交叉熵损失及目标域特征与联合源域原型的对比损失对网络进行参数更新并获取最优参数； S3：模型测试：通过S2中获取的最优参数对待测的无标签样本数据进行测试； 其中，S1中的目标域表示为多个源域表示为设源域个数为n个，则0jn+1；其中表示从目标域，第j个源域收集的第i，第j个电极数为e，时间序列长度为t的脑电数据；表示第j个源域的第l个数据的标签，该标签共有cls个类别；nt，分别表示目标域和第j个源域的数据个数； S2中将目标域和各个源域的特征分别利用MMD损失进行全局上的对齐，并设计多个图卷积操作对对齐进行辅助，包括如下步骤： S21：对网络进行初始化； S22：将n个源域数据和1个目标域数据输入至特征抽取器中并得到n个源域输出和1个目标域的特征输出； S23：将n个源域输出和1个目标域输出输入到对应的n个源域图卷积模块和1个目标域卷积模块中； S24：将n+1个源域和目标域的特征抽取器的输出和图卷积模块的输出进行拼接； S25：将1个目标域特征与n个源域特征进行配对； S26：通过S25中配对成的n对目标域特征及源域特征数据计算MMD损失并利用MMD损失进行全局上的对齐； S27：根据源域与目标域的分布差异计算权重，根据源域类原型及权重计算得到联合源域原型； 其中，S26中MMD损失的计算公式如下： 其中，Fη表示参数为η的特征提取器，表示参数为ψj的第j个源域图卷积模块，表示参数为ψt的目标域图卷积模块，表示两个特征的拼接。

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吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699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。