[发明专利]一种人类行为脑电信号分类方法及系统

权利要求书

1.一种人类行为脑电信号分类方法，其特征在于，包括：

获取脑电信号；

提取所述脑电信号的特征，得到频域特征；

对所述频域特征进行筛选，得到筛选后特征；具体包括：利用基于决策树的筛选方法对所述频域特征进行筛选；利用基于ANOVA的筛选方法对所述频域特征进行筛选；利用多模态卷积神经网络的特征筛选方法对所述频域特征进行筛选；或，利用相关性分析方法对所述频域特征进行筛选；

以所述筛选后特征作为输入，利用训练好的随机森林模型得到所述脑电信号对应的人类行为；在随机森林模型的训练过程中，利用K-means算法对输入至所述随机森林模型的历史频域特征所包含特征的个数进行优化，为聚类结果中的每个类别加上一个相似标签，得到新的有效特征，并利用所述历史频域特征和所述有效特征对所述随机森林模型进行训练；所述类别数为5或7；

以所述频域特征和所述人类行为作为输入，利用多元序列网络编码方案表达式计算所述频域特征所包含的每一特征分别对应的贡献度；

所述多元序列网络编码方案表达式为：

其中，Y为人类行为；β₀′为模型常数；i＝1，2，...，n，n为频域特征中所包含特征的个数；β_i′为第i个特征对应的贡献度；Δx_i为第i个特征在人类行为作出前后的差值；ε′为不可观测的随机误差。

2.根据权利要求1所述的方法，其特征在于，所述提取所述脑电信号的特征具体包括：

对所述脑电信号做多级离散小波分解，提取所述脑电信号的特征，得到频域特征；所述频域特征包括α波、δ波和θ波。

3.根据权利要求1所述的方法，其特征在于，在对所述随机森林模型进行训练时，所述方法还包括：

以多个所述历史频域特征作为输入，以每一所述历史频域特征对应的历史人类行为作为标签数据，采用交叉验证的方法对所述随机森林模型进行训练，得到训练好的随机森林模型。

4.根据权利要求1所述的方法，其特征在于，在对所述随机森林模型进行训练时，所述方法还包括生成训练集，具体包括：

从原始训练集中有放回的进行M次抽取，得到一个随机生成的训练集，利用所述随机生成的训练集对所述随机森林模型进行训练。

5.根据权利要求1所述的方法，其特征在于，在对所述随机森林模型进行训练时，所述方法还包括：

采用网格搜索优化算法对训练过程中的超参进行优化。

6.根据权利要求1所述的方法，其特征在于，在得到频域特征之后，所述方法还包括：以所述频域特征作为输入，利用多元序列网络编码方案表达式得到所述脑电信号对应的人类行为。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括得到多元序列网络编码方案表达式，具体包括：

以多个所述历史频域特征和每一所述历史频域特征对应的历史人类行为作为输入，利用多元序列网络编码方案计算所述历史频域特征中所包含的每一特征分别对应的贡献度，得到多元序列网络编码方案表达式。

8.一种人类行为脑电信号分类系统，其特征在于，包括：

采集模块，用于获取脑电信号；

提取模块，用于提取所述脑电信号的特征，得到频域特征；对所述频域特征进行筛选，得到筛选后特征；具体包括：利用基于决策树的筛选方法对所述频域特征进行筛选；利用基于ANOVA的筛选方法对所述频域特征进行筛选；利用多模态卷积神经网络的特征筛选方法对所述频域特征进行筛选；或，利用相关性分析方法对所述频域特征进行筛选；

分类模块，用于以所述筛选后特征作为输入，利用训练好的随机森林模型得到所述脑电信号对应的人类行为；在随机森林模型的训练过程中，利用K-means算法对输入至所述随机森林模型的历史频域特征所包含特征的个数进行优化，为聚类结果中的每个类别加上一个相似标签，得到新的有效特征，并利用所述历史频域特征和所述有效特征对所述随机森林模型进行训练；所述类别数为5或7；

以所述频域特征和所述人类行为作为输入，利用多元序列网络编码方案表达式计算所述频域特征所包含的每一特征分别对应的贡献度；

所述多元序列网络编码方案表达式为：

其中，Y为人类行为；β₀′为模型常数；i＝1，2，...，n，n为频域特征中所包含特征的个数；β_i′为第i个特征对应的贡献度；Δx_i为第i个特征在人类行为作出前后的差值；ε′为不可观测的随机误差。