[发明专利]基于LSTM-FC的脑电信号特征提取与分类识别方法在审
| 申请号： | 201811394213.1 | 申请日： | 2018-11-21 |
| 公开（公告）号： | CN109583346A | 公开（公告）日： | 2019-04-05 |
| 发明（设计）人： | 徐舫舟;许晓燕;舒明雷 | 申请（专利权）人： | 齐鲁工业大学;山东省计算中心（国家超级计算济南中心） |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/08 |
| 代理公司： | 济南舜源专利事务所有限公司 37205 | 代理人： | 韩洪淼 |
| 地址： | 250353 山东*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于LSTM‑FC的脑电信号特征提取与分类识别方法，其特征在于，包括以下步骤：S1：脑电信号的采集与预处理；S2：定义基本的LSTM网络的模型结构；S3：将通过LSTM网络的特征矩阵经过两层FC网络，得到融合FC网络的LSTM模型，即LSTM‑FC模型；S4：将训练集输入相应的模型中进行训练，利用误差反向传播更新网络；S5：训练好相应的模型后，再将测试集输入模型中得到运动想象任务的最终的分类准确率，进而评估此模型的性能；S6：对比LSTM和LSTM‑FC两个模型的性能，得出最优的模型。 | ||
| 搜索关键词： | 脑电信号特征 分类识别 预处理 误差反向传播 分类准确率 模型结构 脑电信号 特征矩阵 运动想象 网络 测试集 训练集 两层 采集 融合 评估 更新 | ||
【主权项】：
1.一种基于LSTM‑FC的脑电信号特征提取与分类识别方法，其特征在于，包括以下步骤：S1：脑电信号的采集与预处理；S2：定义基本的LSTM网络的模型结构；S3：将通过LSTM网络的特征矩阵经过两层FC网络，得到融合FC网络的LSTM模型，即LSTM‑FC模型；S4：将训练集输入相应的模型中进行训练，利用误差反向传播更新网络；S5：训练好相应的模型后，再将测试集输入模型中得到运动想象任务的最终的分类准确率，进而评估此模型的性能；S6：对比LSTM和LSTM‑FC两个模型的性能，得出最优的模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于齐鲁工业大学;山东省计算中心（国家超级计算济南中心），未经齐鲁工业大学;山东省计算中心（国家超级计算济南中心）许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811394213.1/，转载请声明来源钻瓜专利网。
