公开(公告)号：CN115905837B

公开(公告)日：2023-06-30

申请号：CN202211440751.6

申请日：2022-11-17

Applicant: 杭州电子科技大学

Inventor： 陈子源 ,  宣欣祎 ,  段舒哲 ,  薛苏琪 ,  彭勇

IPC: G06F18/213 ,  G06F18/24 ,  G06F18/2433 ,  G06F18/27 ,  A61B5/16 ,  A61B5/372

Abstract: 本发明公开了异常自动检测的半监督自适应标记回归脑电情感识别方法。该方法的具体步骤包括：脑电数据采集，数据与处理与特征提取，建立异常自动检测的半监督自适应标记回归脑电情感识别模型，对模型进行迭代优化，获取预测标签，分析模型参数。相比于传统最小二乘方法，本发明具有以下技术效果：1)本发明提出了异常判定因子的概念，能够在模型优化过程中动态发现并删除异常样本点。2)本发明提出了半监督标签重标定回归方法，增大了不同类别间样本的距离，显著提高了分类准确率。3)利用特征权重因子，本发明可以观测在目标任务下的脑电的关键频段与关键导联。

公开(公告)号：CN115905837A

公开(公告)日：2023-04-04

申请号：CN202211440751.6

申请日：2022-11-17

Applicant: 杭州电子科技大学

Inventor： 陈子源 ,  宣欣祎 ,  段舒哲 ,  薛苏琪 ,  彭勇

IPC: G06F18/213 ,  G06F18/24 ,  G06F18/2433 ,  G06F18/27 ,  A61B5/16 ,  A61B5/372

Abstract: 本发明公开了异常自动检测的半监督自适应标记回归脑电情感识别方法。该方法的具体步骤包括：脑电数据采集，数据与处理与特征提取，建立异常自动检测的半监督自适应标记回归脑电情感识别模型，对模型进行迭代优化，获取预测标签，分析模型参数。相比于传统最小二乘方法，本发明具有以下技术效果：1)本发明提出了异常判定因子的概念，能够在模型优化过程中动态发现并删除异常样本点。2)本发明提出了半监督标签重标定回归方法，增大了不同类别间样本的距离，显著提高了分类准确率。3)利用特征权重因子，本发明可以观测在目标任务下的脑电的关键频段与关键导联。