公开(公告)号：CN110717390A

公开(公告)日：2020-01-21

申请号：CN201910835899.1

申请日：2019-09-05

Applicant: 杭州电子科技大学

Inventor： 佘青山 ,  周宇凯 ,  罗志增

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于图半监督宽度学习分类方法。本发明通过图扩展方法将有标签样本的标签扩展至无标签样本，从而将有标签样本和无标签样本送入分类器进行训练，实现半监督算法。本发明首先通过构造一个基于样本数据间相似性的图，同时在构图中加入样本间差异性正则项，使之构造的用于标签扩展的图更准确。接着将有标签和无标签样本送入分类器进行训练，得到半监督分类器模型并进行优化求解，主要是获得从输入层到输出层的权重矩阵，这样在测试集进行测试时输入的样本通过权重矩阵就可得到相应的标签。本发明在脑电信号处理、脑机接口系统中具有广阔的应用前景。

公开(公告)号：CN111914708A

公开(公告)日：2020-11-10

申请号：CN202010715929.8

申请日：2020-07-23

Applicant: 杭州电子科技大学

Inventor： 周宇凯 ,  佘青山 ,  张卫 ,  孟明

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种迁移半监督宽度学习的脑电信号分类方法。本发明使用迁移学习方法对源域和目标域进行最小化最大均值差异。接着使用最大均值差异适配源域和目标域的条件概率分布。进而对JDA方法处理后的无标签样本和有标签样本送入流形正则BLS分类器进行迁移半监督宽度学习分类器的训练。最后对构建的迁移半监督模型进行测试，并与其他方法进行对比。本发明在脑电信号处理、脑机接口系统中具有广阔的应用前景。

公开(公告)号：CN111914708B

公开(公告)日：2023-09-12

申请号：CN202010715929.8

申请日：2020-07-23

Applicant: 杭州电子科技大学

Inventor： 周宇凯 ,  佘青山 ,  张卫 ,  孟明

IPC: G06F18/24 ,  G06F18/213 ,  A61B5/372 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种迁移半监督宽度学习的脑电信号分类方法。本发明使用迁移学习方法对源域和目标域进行最小化最大均值差异。接着使用最大均值差异适配源域和目标域的条件概率分布。进而对JDA方法处理后的无标签样本和有标签样本送入流形正则BLS分类器进行迁移半监督宽度学习分类器的训练。最后对构建的迁移半监督模型进行测试，并与其他方法进行对比。本发明在脑电信号处理、脑机接口系统中具有广阔的应用前景。