[發明專利]基于非負張量投影算子分解算法的腦認知狀態判定方法

在審

• 申請號: 201310379452.0
• 申請日: 2013-08-27
• 公開（公告）號: CN103425999A
• 公開（公告）日: 2013-12-04
• 發明（設計）人: 李軍;徐鑫秀;董明皓;王洪勇;袁森;李文思;王苓芝;趙恒;秦偉
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 湯東鳳

1.基于非負張量投影算子分解算法的腦認知狀態判定方法，其特征在于:?

包括如下步驟：?

S1采集不同認知任務下的大腦功能磁共振圖像,組成腦認知功能磁共振數據樣本集，對所述數據樣本集運用腦功能成像分析軟件進行預處理，預處理結果數據按張量模式組織成樣本集，并把所述樣本集按認知任務分為訓練集和測試集兩部分，訓練集部分應包含不同認知狀態比例相當的功能磁共振數據；?

S2計算訓練樣本集的非負張量投影算子分解，求出非負特征變換矩陣，將訓練樣本投射到非負張量特征子空間降維，得到訓練集的非負特征張量集；?

S3將訓練集降維后的低維非負特征張量數據作為訓練STM的輸入，求出STM最優投射方向，得到STM的權值及偏移常量；?

S4將測試樣本腦功能磁共振數據投射到訓練所得的非負張量特征子空間得到其在子空間的非負特征張量，進而將測試樣本非負特征張量輸入訓練好的STM判別其所屬認知狀態類別。?

2.如權利要求1所述的基于非負張量投影算子分解算法的腦認知狀態判定方法，其特征在于：?

對非負特征投射矩陣集進行隨機初始化，并對其做迭代優化，當更新U⁽ⁿ⁾時，保持原有的{U⁽¹⁾,U⁽²⁾,…U^(n-1),U⁽ⁿ⁺¹⁾…U^(N-1),U^(N)}不變，依次取n＝1,2,…,N，完成對的一次尋優，通過判斷終止條件來決定是否還需要迭代優化，如果不滿足則重復迭代優化，直到滿足終止條件結束優化；?

最后訓練樣本X_m(m＝1,…,M)向非負張量投影算子分解（PNTF）之后的非負特征張量子空間上投影，得到訓練樣本的特征張量集為{Y_m,m＝1,…,M}，?

3.如權利要求1所述的基于非負張量投影算子分解算法的腦認知狀態判定方法，，其特征在于：?

通過訓練樣本特征張量集得到一個支持張量機其中定義1標記一類腦認知狀態，-1標記其它類別腦認知狀態。?

4.如權利要求1所述的基于非負張量投影算子分解算法的腦認知狀態判定方法，，其特征在于：將測試樣本腦功能磁共振數據投射到非負張量投影算子分解所得的非負特征子空間，得到測試樣本的非負特征張量，之后輸入到訓練所得支持張量機STM完成測試樣本認知狀態判別；?

假設是一個測試樣本，測試樣本投射到非負特征子空間：?

得到測試樣本在PNTF非負特征子空間的特征張量

之后測試樣本特征張量作為支持張量機的輸入：?

根據之前定義的標記方法可判斷測試樣本認知狀態判別，其中整個測試流程的數學表達如下：?

。