买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜浙江大学申请的专利一种基于对比学习的跨个体EEG情感识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119848630B 。

龙图腾网通过国家知识产权局官网在2025-06-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510315981.7，技术领域涉及：G06F18/241；该发明授权一种基于对比学习的跨个体EEG情感识别方法是由赵莎;陈渝宁;李石坚;潘纲设计研发完成，并于2025-03-18向国家知识产权局提交的专利申请。

本一种基于对比学习的跨个体EEG情感识别方法在说明书摘要公布了：本发明公开了一种基于对比学习的跨个体EEG情感识别方法，该方法通过时序多尺度卷积和自注意力的融合模型，结合空间特征编码、多尺度时序卷积、维度投影器和时空注意力增强模块，能够高效提取并融合跨时间尺度的时空特征，增强对EEG信号短期和长期特征的捕捉能力。为解决跨被试情感识别中的挑战，本发明采用试次一致性对比学习预训练策略，输入多尺度时间窗口的信号片段，并根据试次编号定义正负样本对，通过可训练投影头将特征映射至对比空间，基于对比损失函数优化特征判别性，最后通过任务适配性微调，从而提升跨被试EEG情感识别的性能。

本发明授权一种基于对比学习的跨个体EEG情感识别方法在权利要求书中公布了：1.一种基于对比学习的跨个体EEG情感识别方法，包括如下步骤： 1获取情感脑电数据集，该数据集通过情感诱发刺激激发受试者的情感状态，并同步采集受试者的EEG信号及其对应的情感标签； 2对数据集中的EEG信号进行标准化预处理，进而将数据集划分为训练集和测试集； 3构建时序多尺度卷积-自注意力融合模型，其包括： 特征提取主干网络，用于对输入的EEG信号进行时空域的多分辨率特征提取，并将提取得到的低维特征映射为高维特征； 时空注意力增强模块，用于构建所述高维特征中时空信息的上下文依赖关系，生成上下文感知的增强特征； 所述特征提取主干网络包括： 空间特征编码模块，用于对输入的EEG信号沿电极维度进行空间域特征提取，捕获不同电极间的空间依赖关系； 多尺度时序卷积模块，用于对空间特征编码模块的输出沿时间维度进行多分辨率特征提取； 高维特征投影模块，用于将多尺度时序卷积模块输出的低维特征张量投影到高维隐空间，以增强特征的判别性表达能力； 所述空间特征编码模块将输入的EEG信号依次通过二维卷积神经网络和组归一化层后输出；所述多尺度时序卷积模块将空间特征编码模块的输出分别输入至多个并行的时序卷积神经网络，进而将各时序卷积神经网络的输出结果拼接后再通过ELU激活函数处理后输出；所述高维特征投影模块首先对多尺度时序卷积模块输出的低维特征张量进行平均值池化，然后采用尺度为1的三维卷积核构建非线性映射函数，用以将池化后的特征映射为高维特征，最后再通过ELU激活函数处理后输出； 所述时空注意力增强模块从输入到输出依次由层归一化L1、多头自注意力机制层、层归一化L2、MLP连接组成，其中L1的输入与多头自注意力机制层的输出相加后作为L2的输入，L2的输入与MLP的输出相加后作为时空注意力增强模块的输出； 4对上述融合模型进行试次一致性的对比学习预训练，具体实现方式如下： 4.1对于训练集中来自不同受试者不同情感诱发试次的EEG信号，以多个不同的窗口尺度通过滑动时间窗对EEG信号进行截取得到若干EEG片段，遍历训练集中所有的EEG片段组合生成大量的样本对，所述样本对包含同一窗口尺度的两个EEG片段，若这两个EEG片段来自相同的情感诱发试次，则该样本对为正样本对，否则为负样本对； 4.2将时序多尺度卷积-自注意力融合模型的输出端连接非线性投影网络，该投影网络由两个MLP连接组成； 4.3将样本对按批次输入至连接非线性投影网络的融合模型中进行预训练，并采用InfoNCE损失函数通过梯度下降法对模型参数进行迭代优化； 5在预训练的融合模型输出端接入分类模块，并利用训练集对连接分类模块的融合模型进行任务适配性微调，从而得到跨个体EEG情感识别模型； 6将测试集中的EEG信号输入至跨个体EEG情感识别模型中，即能够识别输出得到对应的情感类别。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。