[发明专利]一种基于脑电图数据的深度学习视觉分类方法

摘要

本发明中提出的一种基于脑电图数据的深度学习视觉分类方法，其主要内容包括脑电图数据采集、学习脑电图、脑电图特征提取、自动分类，其过程为，首先它采用由视觉对象刺激因素诱发的脑电图数据联合递归神经网络来学习一个有识别能力的大脑活动视觉分类流形，然后训练一个基于卷积神经网络的回归元，它将图像映射到学习好的流形，最后计算机采用基于人类大脑的特征执行自动化视觉分类任务，得到图像分类结果。比起基于卷积神经网络的方法，在分类能力和一般化能力更具竞争性；启用一种新形式的基于大脑的图像标记，它提供有关人类视觉感知系统的有意义的洞察；有效地将图像投射到新的基于生物的流形将根本改变对象分类器的开发方式。

主权项

一种基于脑电图数据的深度学习视觉分类方法，其特征在于，主要包括脑电图数据采集(一)；学习脑电图(二)；脑电图特征提取(三)；自动分类(四)。