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！

龙图腾网获悉深圳大学申请的专利基于原型表征成对学习的跨数据库脑电情绪识别优化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：CN119622508B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202411672412.X，技术领域涉及：G06F18/2415；该发明授权基于原型表征成对学习的跨数据库脑电情绪识别优化方法是由梁臻;李广利;吴灿标;叶炜珊设计研发完成，并于2024-11-21向国家知识产权局提交的专利申请。

本基于原型表征成对学习的跨数据库脑电情绪识别优化方法在说明书摘要公布了：本发明公开一种基于原型表征成对学习的跨数据库脑电情绪识别优化方法，包括：构建原型表征成对学习模型，所述原型表征成对学习模型包括特征鉴别器模块、原型特征提取模块及分类器模块；采用特征鉴别器模块分别提取源域样本和目标域样本的样本特征；采用原型特征提取模块提取原型特征；采用分类器模块根据样本特征和原型特征获取交互特征，通过成对学习方法根据交互特征计算样本对的相似度，获取样本对的标签，根据样本对的相似度及样本对的标签对原型表征成对学习模型进行迭代更新，根据交互特征计算情绪分类性能；优化原型表征成对学习模型。可提高鲁棒性和泛化性，并对情绪识别进行优化，提高情绪识别的准确性。

本发明授权基于原型表征成对学习的跨数据库脑电情绪识别优化方法在权利要求书中公布了：1.一种基于原型表征成对学习的跨数据库脑电情绪识别优化方法，其特征在于，包括以下步骤： 构建原型表征成对学习模型，所述原型表征成对学习模型包括特征鉴别器模块、原型特征提取模块及分类器模块； 采用特征鉴别器模块分别提取源域样本和目标域样本的样本特征； 采用原型特征提取模块提取原型特征； 采用分类器模块根据样本特征和原型特征获取交互特征，通过成对学习方法根据交互特征计算样本对的相似度，获取样本对的标签，根据样本对的相似度及样本对的标签对原型表征成对学习模型进行迭代更新，根据交互特征计算情绪分类性能； 优化原型表征成对学习模型； 所述优化原型表征成对学习模型，包括：优化分类器模块；所述原型表征成对学习模型的分类器模块包括Ada分类器和Rms分类器，其中，所述Ada分类器为采用Adam自适应学习率的梯度下降算法的分类器，所述Rms分类器为采用RMSprop梯度下降算法的分类器； 所述优化分类器模块，包括： 对特征鉴别器模块和分类器模块进行有监督的学习，训练原型表征成对学习模型，计算原型表征成对学习模型的基础训练目标损失函数；其中，原型表征成对学习模型的基础训练目标损失函数采用以下公式计算获得： 式中，表示原型表征成对学习模型的基础训练目标损失函数，表示特征鉴别器模块的域对抗损失，表示源域的成对学习损失值，和分别表示Ada分类器的目标域的成对学习损失值和Rms分类器的目标域的成对学习损失值，、和表示超参数，用于赋予每个损失值权重。

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深圳大学，其通讯地址为：518000 广东省深圳市南山区粤海街道南海大道3688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。