[发明专利]一种用于运动想象脑机接口的隐私保护迁移学习方法

权利要求书

1.一种用于运动想象脑机接口的隐私保护迁移学习方法，其特征在于，包括：

S1、随机初始化源域模型，源域代表以往用户；采集若干源域样本，每个样本包括源域脑电信号及其对应的标签信息；

S2、对每个样本的源域脑电信号进行随机弱化，得到增强后的源域脑电信号，计算所有增强后的源域脑电信号对应的第一切空间特征，采用第一切空间特征以及各个源域样本对应的所述标签信息，更新源域模型参数；

S3、重复S2，直至达到训练迭代终止条件，得到训练好的源域模型

S4、将源域模型的特征提取器和分类器均传递给目标域模型，得到初始的目标域模型，并随机初始化M个辅助分类器；同时采集若干个目标域脑电信号样本，计算所有目标域脑电信号样本对应的第二切空间特征；

S5、将第二切空间特征输入目标域模型的特征提取器，得到每个目标域脑电信号样本的特征向量，并对该特征向量进行M次随机扰动得到M个扰动后特征向量；将每个样本对应的扰动前的特征向量输入目标域模型的分类器以及将M个扰动后特征向量对应输入M个辅助分类器，得到对应的输出，以计算目标域模型的不确定损失和一致性损失，用于更新目标域模型的特征提取器以及M个辅助分类器的参数，目标域模型分类器参数固定；

S6、重复S5，直至达到训练迭代终止条件，得到训练好的目标域模型，完成用于运动想象脑机接口的隐私保护迁移学习，其中，目标域为新用户。

2.根据权利要求1所述的一种用于运动想象脑机接口的隐私保护迁移学习方法，其特征在于，所述S1还包括：确定通道弱化概率和弱化系数；并计算所有源域样本的源域脑电信号协方差矩阵之间的黎曼均值；

则计算第一切空间特征的实现方式为：

采用所述通道弱化概率选择每个源域脑电信号的待弱化通道；根据所述弱化系数为该源域脑电信号的每个待弱化通道随机生成弱化强度；将该通道的信号与其对应的该弱化强度相乘得到该通道的增强信号，最终得到增强后的源域脑电信号；

根据所述黎曼均值和所有增强后的源域脑电信号，计算源域脑电信号的第一切空间特征。

3.根据权利要求2所述的一种用于运动想象脑机接口的隐私保护迁移学习方法，其特征在于，所述弱化系数λ∈[0，1)。

4.根据权利要求3所述的一种用于运动想象脑机接口的隐私保护迁移学习方法，其特征在于，所述弱化强度λ_c～U(λ，1)，U表示均匀分布，依此进行随机生成弱化强度。

5.根据权利要求1所述的一种用于运动想象脑机接口的隐私保护迁移学习方法，其特征在于，所述第二切空间特征的计算方式为：

计算每个目标域脑电信号样本的协方差矩阵及其对应的黎曼均值；

根据计算得到的协方差矩阵和其黎曼均值计算切空间特征。

6.根据权利要求1所述的一种用于运动想象脑机接口的隐私保护迁移学习方法，其特征在于，所述M次随机扰动的实现方式为：

随机取M个不同的比例p_d；其中，p_d～U(0，1)，U表示均匀分布，依此进行随机选取；

对特征向量中的特征从大到小进行排序，并根据每个比例p_d，使用零来替换较小的特征，得到一个扰动后的特征向量。

7.根据权利要求1至6任一项所述的一种用于运动想象脑机接口的隐私保护迁移学习方法，其特征在于，所述不确定损失的计算方式为：

根据目标域模型g_t关于第i个目标域脑电信号样本的切空间特征的输出计算温度缩放后第i个目标域脑电信号样本属于第k类的概率

根据不同目标域脑电信号样本预测的不确定性进行样本加权，得到样本权重w_i，其中，n_t表示目标域脑电信号数据样本的个数，K为总类别个数；

计算每个类别的类别权重

计算不确定性损失其中，a为常数。