[发明专利]模型训练方法、装置、电子装置和存储介质

权利要求书

1.一种模型训练方法，其特征在于，包括：

获取参考数据，所述参考数据包括第一识别目标以及对应的参考信号，所述参考信号基于被试者对所述第一识别目标的识别产生；

根据所述参考数据提取特征数据；

根据所述特征数据将所述参考数据与模板数据库进行匹配，得到模板数据，所述模板数据包括第二识别目标以及对应的训练信号，所述第二识别目标至少包括所述参考数据对应的全部所述第一识别目标；

根据所述模板数据训练识别模型。

2.根据权利要求1所述的模型训练方法，其特征在于，所述第一识别目标包括多个不同的识别目标，所述获取参考数据包括：

获取被试者在所述第一识别目标的刺激下产生的脑电信号；

根据所述第一识别目标向对应的脑电信号添加类别标签，得到所述参考数据。

3.根据权利要求2所述的模型训练方法，其特征在于，所述获取被试者在所述第一识别目标刺激下产生的脑电信号之后还包括：

针对所述第一识别目标中同一个所述识别目标获取多组所述脑电信号；

根据多组所述脑电信号获取与所述识别目标对应的特征数据。

4.根据权利要求1所述的模型训练方法，其特征在于，所述根据所述参考数据提取特征数据包括：

将所述第一识别目标对应的参考信号分为多组待处理数据；

根据所述待处理数据提取对应的待处理向量，所述待处理向量至少包括所述待处理数据的傅里叶变换频域幅值和典型相关分析的频率相关系数；

根据所述待处理向量，获取所述参考数据的特征数据。

5.根据权利要求1所述的模型训练方法，其特征在于，所述根据所述特征数据将所述参考数据与模板数据库进行匹配，得到模板数据包括：

获取所述模板数据库中每组数据的所述特征数据；

通过K近邻方法获取所述参考信号对应的所述特征数据与所述模板数据库中每组数据对应的所述特征数据的距离总和；

将所述距离总和小于预设阈值的至少一组数据作为模板数据。

6.根据权利要求1所述的模型训练方法，其特征在于，所述根据所述模板数据训练识别模型还包括：

将所述第一识别目标与所述第二识别目标进行比对；

若所述第一识别目标与所述第二识别目标相同，则基于所述参考数据的特征数据进行迁移学习，得到第二识别模型。

7.根据权利要求1所述的模型训练方法，其特征在于，所述根据所述模板数据训练识别模型之后包括：

获取待识别数据，所述待识别数据为所述被试者产生的脑电信号；

将所述待识别数据输入所述识别模型；

输出最终识别结果，所述识别结果为所述第二识别目标的其中一种。

8.一种模型训练装置，其特征在于，包括：

数据获取模块，用于获取参考数据，所述参考数据包括第一识别目标以及对应的参考信号，所述参考信号基于被试者对所述第一识别目标的识别产生；

特征提取模块，用于根据所述参考数据提取特征数据；

模板匹配模块，用于根据所述特征数据将所述参考数据与模板数据库进行匹配，得到模板数据，所述模板数据包括第二识别目标以及对应的训练信号，所述第二识别目标至少包括所述参考数据对应的全部所述第一识别目标；

模型训练模块，用于根据所述模板数据训练识别模型。

9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至7中任一项所述的模型训练方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的模型训练方法的步骤。