一种基于拓扑特征融合的脑电识别方法

发明专利有效专利

申请号：
CN202010620170.5
IPC分类号：A61B5/0484;A61B5/0478
申请日期：
2020-06-30
申请人：
杭州电子科技大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于拓扑特征融合的脑电识别方法
申请号	CN202010620170.5	申请日期	2020-06-30
法律状态	公开	申报国家	中国
公开/公告日	2020-10-20	公开/公告号	CN111789592A
优先权	暂无	优先权号	暂无
主分类号	A61B5/0484 ? IPC结构图谱： A 人类生活必需 A6 保健；救生；娱乐 A61 医学或兽医学；卫生学 A61B 诊断；外科；鉴定（分析生物材料入G01N，如G01N33/48） A61B5/00 用于诊断目的的测量（放射诊断入A61B6/00；超声波、声波或次声波诊断入A61B8/00）；人的辨识 A61B5/04 测量人体或人体各部分的生物电信号 A61B5/0476 脑电图术〔5〕 A61B5/0484 使用诱导响应的〔5〕	IPC分类号	A;6;1;B;5;/;0;4;8;4;;;A;6;1;B;5;/;0;4;7;8查看分类表>
申请人	杭州电子科技大学	申请人地址	浙江省杭州市下沙高教园区2号大街变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	杭州电子科技大学	当前权利人	杭州电子科技大学
发明人	刘阳;丁吉;谢翠;张启忠;高云园;席旭刚
代理机构	杭州君度专利代理事务所（特殊普通合伙）	代理人	杨舟涛

摘要

本发明公开了一种基于拓扑特征融合的脑电识别方法，本发明为了提高手部动作分类的性能，采用了一种LBELM和基于似然同步分析方法量化脑功能网络的新方法。与传统思想不同，本发明对二值FBN提取了两种最优的拓扑特征，并通过LBELM对两种最优的拓扑特征进行LBELM特征空间层的融合；同时本发明对LBELM做出了进一步的改进，增加了隐藏层参数优化以获得更高、更稳定的识别效果；使用了基于MSEPRESS的留一法优化算法，以获得最优的正则化系数和融合比例。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供