科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明公开了一种基于Wasserstein距离的运动想象脑电迁移学习方法,包括步骤：1)采用运动想象脑电信号作数据集；2)所采集到的数据集经过预处理操作,根据不同的受试者和带标签与否数据分为源域和目标域,迁移学习目的为使用带标签的源域数据提升无标签目标域数据的分类准确率；3)设计深度迁移学习模型,使用深度迁移学习模型在源域数据上进行预训练,训练得出的深度迁移学习模型用于迁移学习的下一阶段；4)对特定的源域和目标域,使用Wasserstein距离进行对抗训练,得到可以用于目标域分类的深度迁移学习模型；5)计算深度迁移学习模型在目标域上的分类准确率和kappa系数。本发明方法有效运用现有数据,泛化能力强,并具有良好的迁移效果。
- 单位
