[发明专利]一种基于迁移学习的跨被试脑机接口解码方法

权利要求书

1.一种基于迁移学习的跨被试脑机接口解码方法，其特征在于，包括以下步骤：

获取多源域数据集；

除去所述多源域数据集中负影响样本，得到目标多源域数据集；

根据所述目标多源域数据集对分类器进行训练，获得分类模型；

将目标域数据输入所述分类模型，得到分类结果完成解码。

2.根据权利要求1所述的一种基于迁移学习的跨被试脑机接口解码方法，其特征在于，所述多源域数据集的获取包括以下步骤：

获取有标签被试数据集，构建源域；

获取被试数据，构成目标域；

计算n个所述源域分别与所述目标域的测地线距离；

将n个所述测地线距离按数值大小进行排序，并所述源域中除去所述测地线距离最大值所对应的源域；

将剩余n-1个源域构成所述多源域数据集。

3.根据权利要求1所述的一种基于迁移学习的跨被试脑机接口解码方法，其特征在于，获取所述目标多源域数据集的过程包括：

将原始脑电数据映射到黎曼流形空间，进行中心对齐，并投影成切平面中的切向量；

计算最小化源域与目标域的最大均值差异距离，求解得到所述源域的样本系数；

对所述样本系数进行排序，按数值大小进行排序，去除前10％的大样本系数与后10％的小部分样本系数对应的样本组合，得到目标多源域数据集。

4.根据权利要求2所述的一种基于迁移学习的跨被试脑机接口解码方法，其特征在于，所述源域与所述目标域的测地线距离，表达式为：

其中，M₁和M₂分别为两个不同被试数据的黎曼中值，λ_i为M₂的实特征值。

5.根据权利要求3所述的一种基于迁移学习的跨被试脑机接口解码方法，其特征在于，所述切平面中的切向量的获取步骤包括：

计算多通道脑电数据X_i的协方差矩阵P_i；

对每个被试的协方差矩阵P_i进行黎曼中心对齐；

将协方差矩阵P_i投影到切平面中；

其中，P_i为对称正定矩阵，位于流形空间中。

6.根据权利要求3所述的一种基于迁移学习的跨被试脑机接口解码方法，其特征在于，构建目标函数求解最小化源域与目标域的最大均值差异距离；

目标函数表达式为：

其中，w表示每个源域样本的系数；Z_s表示源域的子空间变换矩阵；Z_t表示目标域的子空间变换矩阵；n_s表示源域的样本数量；n_t表示目标域的样本数量；X_s表示源域的样本矩阵；X_t表示目标域的样本矩阵；c表示类别数量，1表示单位矩阵，S_w源域的类内散度矩阵；S_b源域的类间散度矩阵，S_t表示目标域的散度矩阵；L表示目标域的拉普拉斯矩阵；δ表示阈值，α₁,α₂,α₃均为平衡系数，T表示转置。