基于脑电信号的个性化动态意图特征提取方法及相关装置

专利主权项内容

1.一种基于脑电信号的个性化动态意图特征提取方法，其特征在于，包括：获取目标用户的个性化数据、非类数据及在不同认知状态下对应的脑电信号；其中，所述非类数据包括目标用户的年龄、性别、语音、图像和文本中的任一种或多种；提取所述脑电信号的特征，并根据脑电信号和提取的特征构建对应的高维特征数据；将所述高维特征数据输入预设的特征提取模型提取得到全局特征和局部特征，将所述个性化数据进行转换得到对应的个性化特征，将所述非类数据进行转换得到对应的非类特征；将所述目标用户的全局特征、局部特征、个性化特征和非类特征进行融合，得到第一高维特征矩阵，基于注意力机制对第一高维特征矩阵中的个性化特征进行加权处理，得到第二高维特征矩阵；对所述第二高维特征矩阵进行张量转换得到核心张量，对所述核心张量进行分解得到分解结果；将所述分解结果输入训练好的约束特征提取模型，得到低维表达矩阵；所述对所述核心张量进行分解得到分解结果，包括：利用预设分解目标函数对所述核心张量进行分解得到分解结果，其中，所述预设分解目标函数的表达式为：
，
，其中，L是损失函数，β是一个超参数，用于控制正则化项的权重强度，R是表达个性化特征的正则化项，U是个性化特征的先验知识均值矩阵，T是核心张量，S是分解结果中的中间低维特征矩阵，包含目标用户的个性化特征表达式，A是用户效应矩阵，B是特征效应矩阵，是T与S、A、B重构张量的误差，最小化该项获得分解结果；所述约束特征提取模型包括：输入层、编码层、约束层、解码层和输出层；将所述分解结果输入训练好的约束特征提取模型，得到低维表达矩阵，包括：利用输入层接收所述分解结果；利用编码层从所述输入层接收的分解结果中提取高级语义特征；利用约束层在所述高级语义特征中加入个性化的约束，得到个性化语义特征；利用解码层将所述个性化语义特征映射到与输入层一致的低维表达空间，得到低维表达矩阵；利用输出层输出所述低维表达矩阵；所述约束特征提取模型的训练方法包括：预先获取样本中间低维特征矩阵、样本用户效应矩阵和样本特征效应矩阵；固定所述样本用户效应矩阵和样本特征效应矩阵，对所述样本中间低维特征矩阵进行奇异值分解，得到样本奇异值及其对应的样本奇异向量，对所述样本奇异向量进行过滤得到目标奇异向量，根据所述目标奇异向量构成压缩特征矩阵；固定所述压缩特征矩阵，初始化样本用户效应矩阵和样本特征效应矩阵，利用梯度下降算法更新样本用户效应矩阵和样本特征效应矩阵中的每个元素值；对所述样本中间低维特征矩阵、样本用户效应矩阵和样本特征效应矩阵进行交替迭代，直至达到迭代终止条件。