公开(公告)号：CN117056788A

公开(公告)日：2023-11-14

申请号：CN202311315334.3

申请日：2023-10-12

Applicant: 之江实验室

Inventor： 冯琳清 ,  田琪 ,  吴雯 ,  罗曼丽 ,  朱琴 ,  蔡涛 ,  魏依娜 ,  唐弢

IPC: G06F18/24 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种基于有监督对比学习的EEG信号分类方法、装置，包括：将EEG信号输入至预先训练的特征提取模型中，得到EEG特征；通过分类器对EEG特征进行分类；其中，特征提取模型的训练过程包括：获取有标签的EEG数据集；截取EEG数据，拥有相同标签的EEG数据样本互为正样本，不同标签的EEG数据样本互为负样本；基于滑动窗对截取的EEG数据样本进行数据增强，得到增强样本；将截取的EEG数据样本和增强样本作为训练集；利用训练集训练特征提取模型，设置损失函数，损失函数用于使负样本特征向量之间的距离逐渐增大，正样本特征向量之间的距离逐渐减小，增强样本特征向量与正样本特征向量之间的距离逐渐减小。

公开(公告)号：CN117056788B

公开(公告)日：2023-12-19

申请号：CN202311315334.3

申请日：2023-10-12

Applicant: 之江实验室

Inventor： 冯琳清 ,  田琪 ,  吴雯 ,  罗曼丽 ,  朱琴 ,  蔡涛 ,  魏依娜 ,  唐弢

IPC: G06F18/24 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种基于有监督对比学习的EEG信号分类方法、装置，包括：将EEG信号输入至预先训练的特征提取模型中，得到EEG特征；通过分类器对EEG特征进行分类；其中，特征提取模型的训练过程包括：获取有标签的EEG数据集；截取EEG数据，拥有相同标签的EEG数据样本互为正样本，不同标签的EEG数据样本互为负样本；基于滑动窗对截取的EEG数据样本进行数据增强，得到增强样本；将截取的EEG数据样本和增强样本作为训练集；利用训练集训练特征提取模型，设置损失函数，损失函数用于使负样本特征向量之间的距离逐渐增大，正样本特征向量之间的距离逐渐减小，增强样本特征向量与正样本特征向量之间的距离逐渐减小。