一种基于静息态脑电数据校准的脑机接口迁移学习方法

    公开(公告)号:CN117195040A

    公开(公告)日:2023-12-08

    申请号:CN202311080441.2

    申请日:2023-08-25

    申请人: 浙江大学

    摘要: 本发明公开了一种基于静息态脑电数据校准的脑机接口迁移学习方法,属于脑电解码领域,包括以下步骤:计算源域数据和目标域数据的黎曼均值;采用平行移动算法,根据源域数据的黎曼均值计算源域PT变化矩阵,通过源域PT变化矩阵估计目标域测试数据的黎曼均值,对源域数据和目标域数据做域混合,估计全局总黎曼均值;采用平行移动算法,将源域数据和目标域数据移动到全局总黎曼均值的切空间并做投影,分别得到各自的切向量;将切向量化的目标域测试数据带入切向量化的源域数据训练好的分类器中得到分类结果。避免了利用测试数据对分类器进行基于目标类的重复训练,且能够实现对测试数据的在线实时目标类分类,在跨试次、跨被试方面有巨大潜力。

    一种基于静息态脑电数据校准的脑机接口迁移学习方法

    公开(公告)号:CN117195040B

    公开(公告)日:2024-05-17

    申请号:CN202311080441.2

    申请日:2023-08-25

    申请人: 浙江大学

    摘要: 本发明公开了一种基于静息态脑电数据校准的脑机接口迁移学习方法,属于脑电解码领域,包括以下步骤:计算源域数据和目标域数据的黎曼均值;采用平行移动算法,根据源域数据的黎曼均值计算源域PT变化矩阵,通过源域PT变化矩阵估计目标域测试数据的黎曼均值,对源域数据和目标域数据做域混合,估计全局总黎曼均值;采用平行移动算法,将源域数据和目标域数据移动到全局总黎曼均值的切空间并做投影,分别得到各自的切向量;将切向量化的目标域测试数据带入切向量化的源域数据训练好的分类器中得到分类结果。避免了利用测试数据对分类器进行基于目标类的重复训练,且能够实现对测试数据的在线实时目标类分类,在跨试次、跨被试方面有巨大潜力。