買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉復旦大學申請的專利一種基于目標相似度分布調整的癲癇狀態識別方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114141356B 。

龍圖騰網通過國家知識產權局官網在2025-09-19發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202111104344.3，技術領域涉及：G16H50/20；該發明授權一種基于目標相似度分布調整的癲癇狀態識別方法是由沈雷;王守巖設計研發完成，并于2021-09-18向國家知識產權局提交的專利申請。

本一種基于目標相似度分布調整的癲癇狀態識別方法在說明書摘要公布了：本發明提供一種基于目標相似度分布調整的癲癇狀態識別方法，其特征在于，包括以下步驟：步驟S1，通過神經網絡根據腦電信號提取相應的512維的特征向量；步驟S2，根據提取的特征向量，通過相似度計算，構建正樣本對和負樣本對的相似度分布；步驟S3，步進設置目標相似度分布，通過KL散度約束正樣本對分布和負樣本對分布；步驟S4，當正樣本對分布和負樣本對分布均值達到對應的目標分布時，將正樣本對和負樣本對的相似度分布向相反方向拉開；步驟S5，重復步驟S4，直到目標分布不再更新，得到訓練完成的神經網絡；步驟S6，通過訓練完成的神經網絡進行癲癇狀態識別，并將癲癇狀態識別狀態的512維的特征向量進行輸出。

本發明授權一種基于目標相似度分布調整的癲癇狀態識別方法在權利要求書中公布了：1.一種基于目標相似度分布調整的癲癇狀態識別方法，其特征在于，包括以下步驟： 步驟S1，通過神經網絡根據腦電信號提取相應的512維的特征向量； 步驟S2，根據提取的所述特征向量，通過相似度計算，構建正樣本對和負樣本對的相似度分布； 步驟S3，步進設置目標所述相似度分布，通過KL散度約束所述正樣本對分布和所述負樣本對分布； 步驟S4，當所述正樣本對分布和負樣本對分布均值達到對應的目標分布時，所述正樣本對分布對所述目標分布均值增加一個步進值，所述負樣本對分布對所述目標分布均值減小一個步進值，使得所述正樣本對和所述負樣本對的所述相似度分布向相反方向拉開； 步驟S5，重復所述步驟S4，直到所述目標分布不再更新，得到訓練完成的所述神經網絡； 步驟S6，通過訓練完成的所述神經網絡進行癲癇狀態識別，并將癲癇狀態識別狀態的512維的特征向量進行輸出， 其中，所述神經網絡采用雙向長短期記憶網絡， 所述相似度是計算樣本的余弦相似度，其具體表達式為： simp,qi,j＝cossimFxpi,Fxqj p,q∈1,…,m,i,j∈1,…,N 式中，Fxpi為第p個類別下的第i個樣本的特征向量，Fxqj為在第q個類別下的第j個樣本的特征向量，cossim表示計算余弦相似度，N表示在每個pytorch軟件內的小批量訓練minibatch中包含的類別數，m表示每個類別下包含的樣本數，當p＝q，i≠j，正樣本對的相似度表示為simP，當p≠q時，負樣本對的相似度表示為simN， 按照以下方法進行相似度分布構建：當標簽mij＝1表示正樣本對，mij＝-1標簽表示負樣本對；由此獲得第c類正樣本的相似度為SIMP＝{simpi,j|mij＝1}c，負樣本對的相似度為SIMN＝{simNi,j|mij＝-1}，每個樣本對的相似度分數范圍為[-1:1]，然后用T維直方圖節點hn1＝-1,hn2,…,hnT＝1填充[-1,1]范圍，同時步長設置為直方圖每個節點的值通過下式進行計算： 式中，i,j包含了所有正樣本對，δi,j,t的權重通過下式進行計算： 式中，θ表示高斯核函數的擴展參數，hnt表示直方圖的第t個節點， 使用KL散度來約束當前分布于目標分布之間的差距，具體計算公式如下： 式中，α1和α2為權重參數， 為了進一步擴大分布之間的距離，引入Meanloss損失函數，由正樣本對和負樣本對相似度分布的均值差和構成，計算公式如下： 式中，E為期望算子，α3是權重參數， 則漸進目標相似度分布的最終損失函數為： LossPTD＝LossKL+LossMean， 漸進式目標相似度分布調整損失函數設置如下，每次更新目標相似度分布均值的步長為pr，基于pr可得每一次更新目標相似度分布后的分布均值為： 式中，和分別表示第i+1次正樣本對和負樣本對相似度分布的均值，和分別表示第i次正樣本對和負樣本對相似度分布的均值。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人復旦大學，其通訊地址為：200433 上海市楊浦區邯鄲路220號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。