买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉齐鲁工业大学(山东省科学院);山东省人工智能研究院申请的专利一种双重对比学习Transformer跨数据集脑电情感识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121705849B 。

龙图腾网通过国家知识产权局官网在2026-05-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610194628.2，技术领域涉及：G06F18/241；该发明授权一种双重对比学习Transformer跨数据集脑电情感识别方法是由李金宝;肖湘玉;郭亚红;魏诺;高天雷设计研发完成，并于2026-02-11向国家知识产权局提交的专利申请。

本一种双重对比学习Transformer跨数据集脑电情感识别方法在说明书摘要公布了：本发明涉及一种双重对比学习Transformer跨数据集脑电情感识别方法，属于脑电情感识别与源域无关域自适应技术领域。其包括以下步骤：获取源域脑电数据集和目标域脑电数据集；构建脑电情感识别模型，包括轻量级时域Transformer特征提取器和分类器；采用源域脑电数据集对脑电情感识别模型进行端到端监督训练，得到预训练模型；将目标域脑电数据集输入到冻结的预训练模型中，得到初始目标域特征和初始伪标签；通过损失函数对预训练模型进行优化，得到训练好的脑电情感识别模型；损失函数包括第一阶段损失、第二阶段损失以及第三阶段损失；将待检测的脑电数据输入到训练好的脑电情感识别模型，得到脑电情感识别结果。本发明能够提高脑电情感识别的准确性。

本发明授权一种双重对比学习Transformer跨数据集脑电情感识别方法在权利要求书中公布了：1.一种双重对比学习Transformer跨数据集脑电情感识别方法，其特征在于，包括以下步骤： S1、获取源域脑电数据集和目标域脑电数据集； S2、构建脑电情感识别模型，包括轻量级时域Transformer特征提取器和分类器；所述轻量级时域Transformer特征提取器由多层时域卷积和标准Transformer编码器块串联组成；所述分类器包括全局平均池化层和全连接层；采用源域脑电数据集对脑电情感识别模型进行端到端监督训练，得到预训练模型；将目标域脑电数据集输入到冻结的预训练模型中，轻量级时域Transformer特征提取器输出每个目标域脑电数据样本的初始目标域特征，分类器输出每个目标域脑电数据样本的预测概率分布，取概率最大值对应的类别作为初始伪标签； S3、通过损失函数对预训练模型进行优化，得到训练好的脑电情感识别模型；损失函数包括第一阶段损失、第二阶段损失以及第三阶段损失； 第一阶段损失为信息最大化损失；信息最大化损失的公式表示如下： ， 其中，表示信息最大化损失；表示目标域所有样本的平均值；表示目标域脑电数据样本的预测概率分布；表示目标域脑电数据样本属于类别的条件概率值；表示熵函数；表示平衡超参数；表示批次的平均预测分布； 第二阶段损失采用三重对比学习损失和基于高置信度伪标签的交叉熵分类损失；所述三重对比学习损失由实例对比损失、类别对比损失和跨域原型对比损失加权组成，公式表示如下： ， 其中，表示三重对比学习损失；表示三个非负的超参数；第二阶段总损失的公式表示如下： 其中，表示对高置信度目标域样本集的平均值；表示平衡权重系数；表示交叉熵损失项； 第三阶段损失采用局部一致性损失；在第三阶段，对于每个初始目标域特征，计算个最近邻；针对每个初始目标域特征，采用欧氏距离作为相似性度量，通过K近邻算法计算其在特征空间中的K个最近邻集合，得到可靠邻居集合；局部一致性损失鼓励样本特征与其可靠近邻的特征相似，公式表示如下： ， 其中，表示初始目标域特征的近邻中伪标签与相同且置信度高于动态自适应阈值的可靠邻居集合；表示可靠邻居集合中的初始目标域特征； S4、将待检测的脑电数据输入训练好的脑电情感识别模型，得到脑电情感识别结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人齐鲁工业大学(山东省科学院);山东省人工智能研究院，其通讯地址为：250000 山东省济南市长清区大学路3501号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。