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！

龙图腾网获悉电子科技大学申请的专利一种基于贝叶斯谱回归策略的情绪脑电网络识别系统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：CN116172558B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202310086341.4，技术领域涉及：A61B5/16；该发明授权一种基于贝叶斯谱回归策略的情绪脑电网络识别系统是由徐鹏;杨蕾;李存波;张舒涵;汤骐;陈昭瑾;吕斌;李发礼;尧德中设计研发完成，并于2023-02-09向国家知识产权局提交的专利申请。

本一种基于贝叶斯谱回归策略的情绪脑电网络识别系统在说明书摘要公布了：本发明公开了一种基于贝叶斯谱回归策略的情绪脑电网络识别系统，属于脑电信号处理领域。该系统能稳健挖掘情绪脑电网络的判别性特征信息，实现对情绪脑电网络的有效刻画。为验证所提情绪识别系统的稳健性，分别设计了仿真和基于DEAP数据集和MAHNOB数据集的真实数据实验。实验结果表明：本申请提出的基于学生T和Laplace先验分布的稳健贝叶斯谱回归模型能有效提升情绪脑电信号的识别准确率，实现对个体情绪状态的稳健识别。该申请为基于脑电的稳健情绪识别及情感脑‑机接口系统的设计与实现提供了一种潜在的解决方案。

本发明授权一种基于贝叶斯谱回归策略的情绪脑电网络识别系统在权利要求书中公布了：1.一种基于贝叶斯谱回归策略的情绪脑电网络识别系统，该系统包括：系统输入模块、系统解码模块和系统输出模块； 一系统输入模块： 被试者在佩戴好脑电采集设备之后观看情绪诱发视频，并同步采集脑电信号；在整个采集过程中，被试者被要求保持姿势，安静观看完相应情绪视频，并在视频播放完之后保持静默，在填写量表的同时恢复心绪，以避免上一个视频对心情的干扰； 二系统解码模块： 作为系统的关键模块，系统解码模块将采集好的脑电信号进行预处理并求出相应脑电网络后，放入稳健贝叶斯谱回归模型中进行训练，求出相应的映射矩阵和类中心矩阵；稳健的贝叶斯谱回归模型是在图谱回归方法的基础上引入贝叶斯结构进行优化，使得该方法比原有识别方法更加稳健，适应真实情况下含噪声的脑电信号； 采用稳健贝叶斯谱回归的算法计算映射矩阵方法如下： 图谱回归方法是将传统的瑞利熵形式优化问题转化为求解特征向量和回归问题，其中特征向量在有监督的情况下转化为与标签信息相关的先验约束条件，回归过程则可以通过引入层次贝叶斯结构进行优化求解，其具体实施过程如下： 首先，在有监督情况下构建亲和度矩阵，并构建相应的特征矩阵； 在有监督的情况下，将亲和度矩阵看成一个共有类别c块的分块矩阵；其中，相同类别的样本点在亲和度矩阵中属于相同的矩阵块；于是，将亲和度矩阵的求特征值问题转变为对块矩阵求特征值的问题，其中，矩阵每一块的特征向量表示为： yc＝[0…c…c…0] 其中，c表示类别，结合亲和度矩阵类别块的特性，在有监督的情况下亲和度矩阵的特征向量由类别决定，只要两个样本属于同一个类，对应块内的特征向量相同； 在贝叶斯谱回归的过程中特征矩阵通过脑电网络进行拟合，其矩阵的表达形式为： Y＝XG+Z 其中，X＝[x1,x2,…,xn],X∈RN×M×T表示脑电网络信号，其中N代表通道数，M表示网络连接，T表示训练集长度，Y＝[y1,y2,…,yt],Y∈RN×c-1表示由标签信号构建出来的特征矩阵，其中Z∈RT表示在拟合问题中出现的高斯白噪声N0,Σv，Σv表示对应高斯分布的协方差矩阵，G∈RM×T×c-1表示对应的映射矩阵； 将贝叶斯谱回归的过程中特征矩阵的矩阵形式转化为向量表达形式为：y＝Xg+z；其中，y、g、z分别是特征矩阵、映射矩阵和噪声的向量表示形式； 将映射矩阵的先验分布设定为高斯分布g～N0,Σg，Σg表示对应高斯分布的协方差矩阵，对应的似然函数为： 于是根据贝叶斯公式可以得到后验推断为： pg|y,Θ∝py|X,g,Θy×pg|Θg 其中，Θ、Θy、Θg表示在后验求解过程中需要的所有超参数，整个后验公式表达了概率pg|y,Θ正比于概率py|X,g,Θy和概率pg|Θg的乘积；通过EM方法对后验分布进行求解： 步骤1：求期望，计算隐变量的后验分布； lnpg|y,Θ＝Eglnpy|X,g,Σv+Eglnpg|Σg 其中，Eg表示对公式中的参数g求期望； 在求解过程中利用和分别表示参数g的期望与协方差： 步骤2：极大化，对步骤1中的对数似然函数求偏导求最大化，第k次更新的参数： 解码测试：将数据集利用十折交叉验证划分的测试集部分进行映射，然后对映射后的降维矩阵与类中心比较，并以最接近的类中心作为预测标签；最后，通过与真实标签比较来计算整个流程的预测准确率； 三系统输出模块：通过系统展示预测标签，并将预测的准确率输出，以此来判定整个系统性能的优劣。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。