[發(fā)明專利]一種堆疊去噪自編碼器模型確定方法

有效

• 申請?zhí)枺?/td>: 202110009405.1
• 申請日: 2021-01-05
• 公開（公告）號: CN112861625B
• 公開（公告）日: 2023-07-04
• 發(fā)明（設計）人: 于忠亮;李黎黎;田金鵬;張文偉
• 申請（專利權）人: 深圳技術大學
• 主分類號: G06F18/10
• 分類號: G06F18/10;G06F18/213;G06N3/0455;G06N3/08;G06F17/14;A61B5/369;A61B5/374
• 代理公司: 北京易捷勝知識產權代理有限公司 11613
• 代理人: 韓國勝

1.一種堆疊去噪自編碼器模型確定方法，其特征在于，包括：

S1、對采集的腦電信號進行預處理，并依照腦區(qū)劃分腦電信號；

S2、基于劃分后的腦電信號構建輸入矩陣；

S3、利用至少兩個自編碼器構建特征提取模型；

步驟S3包括：將至少兩個自編碼器按順序連接構建特征提取模型，如果輸入矩陣的維度為c，則第一個自編碼器輸入層的節(jié)點數為c+1，將第N個自編碼器的中間層輸出矩陣作為第N+1個自編碼器的輸入矩陣，并將最后一個自編碼器中間層的輸出矩陣作為特征提取模型的輸出；其中N為大于或等于1的自然數；

S4、針對堆疊去噪自編碼器的中間層節(jié)點數量構建約束條件；

步驟S4包括：利用至少兩個自編碼器建立特征提取模型時，各個自編碼器中間層節(jié)點數約束條件為：第一個自編碼器中間層節(jié)點數應大于等于第二個自編碼器中間節(jié)點數且小于輸入矩陣維度c；第N個自編碼器中間層節(jié)點數應大于等于第N+1個自編碼器中間層節(jié)點數且小于一個正整數C_def；最后一個自編碼器中間層節(jié)點數應大于等于1且小于一個正整數C_com；所有自編碼器中間層節(jié)點數的乘積是一個固定正整數U_def，其中，U_def，C_def和C_com均是正整數，C_def小于輸入矩陣的維度c；

S5、利用特征提取模型提取腦狀態(tài)特征，構建堆疊去噪自編碼器中間層節(jié)點數約束函數，通過遍歷搜索搜尋約束函數的最大值，得到最優(yōu)腦特征提取模型。

2.如權利要求1所述的堆疊去噪自編碼器模型確定方法，其特征在于，步驟S1包括：

采集受試者在清醒狀態(tài)下、疲勞狀態(tài)下和睡眠剝奪狀態(tài)下的腦電信號；

對腦電信號進行預處理，去除受偽差干擾的片段，得到各個狀態(tài)下腦電信號數據；

對腦電信號進行腦區(qū)劃分。

3.如權利要求2所述的堆疊去噪自編碼器模型確定方法，其特征在于，所述預處理包括：

對所有采集的腦電信號進行表面拉普拉斯濾波，計算公式為：

V_C＝V_CO-0.25(V₁+V₂+V₃+V₄)

其中，V_C是表面拉普拉斯濾波后的腦電信號，V_CO是原始腦電信號，V₁，V₂，V₃和V₄是圍繞V_CO的原始腦電信號，V₁和V₃，V₂和V₄的位置兩兩對稱，對稱中心是V_CO，V₁，V₂，V₃和V₄中相鄰兩個位置之間的夾角為90度。

4.如權利要求2所述的堆疊去噪自編碼器模型確定方法，其特征在于，步驟S1中按照額葉、運動區(qū)、頂葉和枕葉四個腦區(qū)將腦電信號重新劃分為四個矩陣，得到各腦區(qū)對應的信號可表示為：

X＝[x⁽¹⁾,x⁽²⁾,…,x^(c)]，其中c為導聯數。

5.如權利要求1所述的堆疊去噪自編碼器模型確定方法，其特征在于，步驟S2包括：

利用高斯噪聲對各腦區(qū)對應的信號進行噪聲處理，得到的信號為X₁＝[x₁⁽¹⁾,x₁⁽²⁾,…,x₁^(c)]，作為輸入矩陣。

6.如權利要求1所述的堆疊去噪自編碼器模型確定方法，其特征在于，當步驟S3基于兩個自編碼器建立特征提取模型時，第一個自編碼器中間層的輸出矩陣作為第二個自編碼器的輸入矩陣，且第二個自編碼器輸入矩陣的維度與第一個自編碼器中間層的節(jié)點數相等。