公开(公告)号：CN117521007A

公开(公告)日：2024-02-06

申请号：CN202311470714.4

申请日：2023-11-07

Applicant: 杭州电子科技大学

Inventor： 孔万增 ,  王欣然 ,  金宣妤

IPC: G06F18/25 ,  G06F18/2431 ,  G06F18/23 ,  G06F18/214 ,  G06F18/21 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0985 ,  G06F21/32 ,  A61B5/372

Abstract: 本发明公开了基于多分支注意力特征融合的跨时段脑纹识别方法及系统。传统深度学习网络通常指采用一种固定卷积核，忽略了不同被试、不同时域间数据分布的差异。此外，脑电信号的获取成本高昂导致中小样本数据无法提供足量的信息支撑模型学习域不变信息。考虑到多时段被试特征的差异性，本发明提出了多分支注意力特征融合模型。首先，对于不同时段数据采用不同大小的卷积层提取特征。然后，构建基于特征融合正则化模块，对融合后的特征进行搅动融合处理，并计算正样本间正则化损失。在多分支网络的深度可分离卷积层前，本发明采用通道注意力机制对每个通道和时域特征进行注意力权重计算。基于此，本发明能够有效实现跨时段的被试脑纹识别。