基于欧氏对齐和Procrustes分析的EEG分类的迁移学习方法和系统与流程技术资料下载

技术编号:22678577

提示:您尚未登录,请点 登 陆 后下载,如果您还没有账户请点 注 册 ,登陆完成后,请刷新本页查看技术详细信息。

本发明属于基于运动想象的脑机接口领域,更具体地,涉及基于欧氏对齐和procrustes分析(普氏分析)的eeg(脑电信号)分类的迁移学习方法和系统。背景技术迁移学习是在目标任务没有或仅有少量的标注数据的情况下,利用相关的其他任务的带标注的数据来提高学习性能。例如,在基于运动想象的脑机接口领域中,由于不同用户之间的差异较大,基于以往用户数据训练的系统很难正确判断新用户的意图。因此,新用户在使用前需要经历冗长的校准过程。然而,以往的用户数据对于新用户的数据分类还是有帮助的,所以迁移学习可以利用以往的...
注意:该技术已申请专利,请尊重研发人员的辛勤研发付出,在未取得专利权人授权前,仅供技术研究参考不得用于商业用途。
该专利适合技术人员进行技术研发参考以及查看自身技术是否侵权,增加技术思路,做技术知识储备,不适合论文引用。
请注意,此类技术没有源代码,用于学习研究技术思路。

详细技术文档下载地址↓↓

提示:您尚未登录,请点 登 陆 后下载,如果您还没有账户请点 注 册 ,登陆完成后,请刷新本页查看技术详细信息。
该分类下的技术专家--如需求助专家,请联系客服
  • 李老师:1.计算力学 2.无损检测
  • 毕老师:机构动力学与控制
  • 袁老师:1.计算机视觉 2.无线网络及物联网
  • 王老师:1.计算机网络安全 2.计算机仿真技术
  • 王老师:1.网络安全;物联网安全 、大数据安全 2.安全态势感知、舆情分析和控制 3.区块链及应用
  • 孙老师:1.机机器人技术 2.机器视觉 3.网络控制系统
  • 葛老师:1.机器人技术 2.计算机辅助技术
  • 张老师:1.内燃机燃烧及能效管理技术 2.计算机数据采集与智能算法 3.助航设备开发