基于Ghost网络和不平衡学习的脑电信号分类方法及应用

发明专利有效专利

申请号：
CN202210858327.7
IPC分类号：G06K9/00;G06N3/04;G06N3/08
申请日期：
2022-07-20
申请人：
合肥工业大学

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	基于Ghost网络和不平衡学习的脑电信号分类方法及应用
申请号	CN202210858327.7	申请日期	2022-07-20
法律状态	公开	申报国家	中国
公开/公告日	2022-09-30	公开/公告号	CN115130524A
优先权	暂无	优先权号	暂无
主分类号	G06K9/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕	IPC分类号	G;0;6;K;9;/;0;0;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	合肥工业大学	申请人地址	安徽省合肥市包河区屯溪路193号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	合肥工业大学	当前权利人	合肥工业大学
发明人	李畅;毛婷婷;宋仁成;刘羽;成娟;陈勋
代理机构	安徽省合肥新安专利代理有限责任公司	代理人	陆丽莉;何梅生

摘要

本发明公开了一种基于GhostNet和不平衡学习的脑电信号分类方法及应用，其步骤包括1，对于原始脑电数据进行预处理，包括数据选择、滑窗切片和数据输入形状的选择；2，建立基于不平衡学习和Ghost网络的深度学习模型，初始化网络参数；3，在模型头部嵌入一个一维卷积层，建立Ghost网络的深度学习模型；4，输入数据并通过类再平衡(CRB‑loss)损失不断优化模型参数，获得最终分类模型用于待测试脑电信号的分类。本发明将成本敏感学习结合到GhostNet中，能够解决脑电信号分类任务中数据不平衡学习问题，能显著提升脑电信号分类准确率，从而增加脑电信号在医疗等领域的应用价值。

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