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！

龍圖騰網獲悉杭州電子科技大學申請的專利一種單源域適應跨時段腦紋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：CN118968560B 。

龍圖騰網通過國家知識產權局官網在2025-09-26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：202411144440.4，技術領域涉及：G06V40/10；該發明授權一種單源域適應跨時段腦紋識別方法是由孔萬增;陳美如;金宣妤;劉棟軍;周斐煒;馬迪設計研發完成，并于2024-08-20向國家知識產權局提交的專利申請。

本一種單源域適應跨時段腦紋識別方法在說明書摘要公布了：本發明公開了一種單源域適應跨時段腦紋識別方法，該跨時段腦紋識別方法通過數據對齊處理受試者的數據，并使用域鑒別器對抗模塊和關聯域自適應模塊來構建跨時段腦紋識別模型，能夠在只有一個時段的腦電數據作為源域的情況下，仍能識別不同時段的腦電信號，解決了傳統腦紋識別中跨時段數據泛化能力較弱和腦電標記數據不足的問題；同時，該跨時段腦紋識別方法采用的數據對齊方式并不需要被試標簽，而是直接在原有腦電數據上進行變換，使其適應這些變化并提取域不變特征，從而實現單源域適應跨時段腦電信號的身份預測。此外，該跨時段腦紋識別方法引入自注意力機制來識別關鍵特征，減少對冗余信息的過度響應，從而提高特征的魯棒性。

本發明授權一種單源域適應跨時段腦紋識別方法在權利要求書中公布了：1.一種單源域適應跨時段腦紋識別方法，其特征在于：包括以下步驟： 步驟一、采集多個受試者的腦電數據，并添加標簽作為源域；再采集與源域不同時間段的腦電數據作為目標域； 步驟二、構建跨時段腦紋識別模型；跨時段腦紋識別模型包括多尺度特征提取模塊、域鑒別器對抗模塊、關聯域自適應模塊和線性分類模塊；特征提取模塊包括依次連接的時間卷積層、空間卷積層、深度可分離卷積層和注意力機制模塊；通過時間卷積層、空間卷積層、深度可分離卷積層提取特征，獲取初始特征并輸入注意力機制模塊獲取最終輸出特征；將最終輸出特征分別輸入域鑒別器對抗模塊、關聯域自適應模塊和線性分類模塊；域鑒別器對抗模塊用于對源域和目標域的最終輸出特征進行對抗訓練；關聯域自適應模塊用于將相同類別的源域樣本在特征空間中聚集； 步驟三、使用步驟一獲取的數據集訓練步驟二構建的跨時段腦紋識別模型； 所述的步驟三中，訓練跨時段腦紋識別模型的損失函數L的表達式為： ； 其中，Lcls為交叉熵損失；Ldomain為域鑒別器損失；Lassociation為關聯域自適應損失； 所述的交叉熵損失Lcls、域鑒別器損失Ldomain和交叉熵損失Lcls的表達式分別為： ； ； ； 其中，和分別為源域和目標域的域鑒別器損失；Lvisit和Lwalker分別為訪問者損失和步行者損失；α為步行者損失的權重，α=0.6；為交叉熵損失；y為真實受試者標簽；為預測的受試者標簽；N為受試者數量； 域鑒別器損失和的表達式為： ； ； 其中，ns和nt分別是源域樣本數量與目標域樣本數量；Ds和Dt分別為訓練集的源域與測試集的目標域；Gd為域鑒別器；Gf為特征提取模塊；di為輸入樣本xi對應的域標簽； 訪問者損失Lvisit和步行者損失Lwalker的表達式為： ； ； 其中，；；Ai和Bj分別為源域樣本和目標域樣本經過特征提取網絡的輸出特征；class·為輸出特征對應的受試者類別標簽；為從輸出特征Ai轉移到輸出特征Bj的轉移概率；為兩步往返概率； 轉移概率和兩步往返概率的表達式為： ； ； 其中，Mij為輸出特征Ai和Bj的點積；為輸出特征Bj返回到輸出特征Ai的概率； 步驟四、采集受試者的腦電數據，并輸入訓練完成的跨時段腦紋識別模型中，對受試者的身份進行識別。

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杭州電子科技大學，其通訊地址為：310018 浙江省杭州市下沙高教園區2號大街；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”。