[发明专利]一种基于最大加权团的脑电信号预处理与分类方法

权利要求书

1.一种基于最大加权团的脑电信号预处理与分类方法，其主要特征包括如下步骤：

(1)无向加权完全图的边权重映射：将脑电信号看作时间序列，利用改进后的Fréchet距离衡量之间的相似程度，形成相似度矩阵，映射为无向加权完全图中的边权重矩阵；

(2)无向加权完全图的顶点权重映射：利用(1)中的相似度矩阵获取各个脑电信号相似度偏序矩阵，映射为顶点权重矩阵；

(3)有标签脑电信号预处理：设定一个合理的相似度阈值，在无向加权完全图中单次搜寻最大加权团，达到筛选有效有标签脑电信号的目的；

(4)无标签脑电信号多分类：根据脑电信号的相似度分布，设定多个合理的相似度阈值，在无向加权完全图中多次搜寻最大加权团，达到无标签脑电信号多分类目的。

2.根据权利要求1所述的基于最大加权团的脑电信号预处理与分类方法，其特征在于，步骤(1)对脑电信号进行无向加权完全图的边权重映射，其实现方法包括：

(21)脑电信号局部趋势相异度衡量：从局部角度衡量脑电信号之间的趋势相异程度，提高脑电信号评估的完备性与科学性；

(22)脑电信号全局相似度衡量：从全局角度衡量脑电信号之间的相似程度，利用Fréchet距离计算脑电信号的相似度，从宏观角度衡量脑电信号在曲线线性上的相似性；

(23)基于改进的Fréchet距离的脑电信号相似度衡量：根据(21)和(22)中分别得到的局部相异度与全局相似度，最终得到脑电信号之间的相似度程度；

(24)无向加权完全图边权重映射：根据(23)中利用改进的Fréchet距离得到的脑电信号相似度，映射为无向加权完全图中的边权重矩阵。

3.根据权利要求2所述的方法，其特征在于，步骤(21)中脑电信号局部趋势相异度衡量，其实现方法如下：

对于任意两个脑电信号tr_i，tr_j∈Trial(Trial为所有脑电信号的集合)，tr_i＝(a₁，a₂，…，a_p)，tr_j＝(b₁，b₂，…，b_p)，其局部趋势相异度为：

其中，TemCor∈[-1，1]。该指标衡量了两个脑电信号之间局部趋势的同步性。负值表明信号大部分时间具有相反的走势，正值则表明具有更多相似的走势。

4.根据权利要求2所述的方法，其特征在于，步骤(22)中脑电信号全局相似度衡量，其实现方法如下：

利用Fréchet距离对脑电信号进行全局相似度衡量，对于任意两个脑电信号tr_i，tr_j∈Trial，它们之间的Fréchet距离相似度为：

5.根据权利要求2所述的方法，其特征在于，步骤(23)中基于改进的Fréchet距离的脑电信号相似度衡量，其实现方法如下：

根据脑电局部趋势相异度与全局相似度，脑电信号之间最终的相似度衡量为：

其中，s(tr_i，tr_j)∈[0，1]，λ∈[0，1]。

6.根据权利要求2所述的方法，其特征在于，步骤(24)中无向加权完全图边权重映射，其实现方法如下：

将脑电信号之间的关系映射为图中的边，将权利要求5中得到的脑电信号相似度映射为图边上的权重。设脑电信号Trial为n×n的矩阵，Trial^n×n＝(tr₁，tr₂，…，tr_n)^T，其相似度最终构成一个对角矩阵，即为无向加权完全图中的边权重：

其中，

7.根据权利要求1所述的基于最大加权团的脑电信号预处理与分类方法，其特征在于，步骤(2)对脑电信号进行无向加权完全图的顶点权重映射，其实现方法如下：

将脑电信号本身映射为无向加权完全图中的顶点，利用权利要求5中得到的脑电信号相似度s_ij∈S进行顶点权重的衡量：