CN114816069B 基于多源域集成迁移的跨用户肌电手势识别方法及系统 （济南中科泛在智能计算研究院）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114816069B(45)授权公告日2025.01.10

(21)申请号202210542004.7

(22)申请日2022.05.18

(65)同一申请的已公布的文献号申请公布号CN114816069A

(43)申请公布日2022.07.29

(73)专利权人济南中科泛在智能计算研究院地址251401山东省济南市新旧动能转换

起步区中科新经济科创园B2地块3号楼101室

(51)Int.CI.

GO6F3/01(2006.01)

(56)对比文件

CN110826625A,2020.02.21CN111046731A,2020.04.21审查员王宛生

(72)发明人陈益强王康张迎伟杨晓东

胡春雨

(74)专利代理机构济南圣达知识产权代理有限

公司37221专利代理师董雪

权利要求书2页说明书9页附图9页

(54)发明名称

基于多源域集成迁移的跨用户肌电手势识别方法及系统

(57)摘要

CN114816069B本发明公开了一种基于多源域集成迁移的跨用户肌电手势识别方法及系统，包括：为每一个用户构建一个肌电手势识别源域个体模型；采用目标用户在单个源域个体模型上的准确率和单个源域个体模型的复杂度指标来衡量目标用户在源域个体模型上的适应度，计算得到适应度评估得分；根据适应度评估得分对单个源域个体模型进行更新；通过多数投票机制对更新后的单个源域个体模型进行集成，得到集成源域个体模型；获取目标用户的肌电信号数据，基于集成源域个体模型，得到目标用户肌电手势识别结果。本发明基于多源域集成的迁移学习算法，利用肌电信号数据进行手势识别，基于源模型构建策略和目标模型适应策略，能够获得高准确率的模

CN114816069B

为每一个用户构建一个肌电手势识别源域个体模型

采用目标用户在单个源域个体模型上的准确率和单个

源域个体模型的复杂度指标来街量目标用户在源域个

体模型上的适应度

计算得到适应度评估得分

根据适应度评估得分对单个源域个体模型进行更新

通过多数投票机制对更新后的单个源城个体模型进行集成

获取目标用户的肌电信号数据，基于集成

源域个体模型，得到目标用户肌电手势识

别结果

CN114816069B权利要求书1/2页

2

1.一种基于多源域集成迁移的跨用户肌电手势识别方法，其特征在于，包括：

为每一个用户构建一个肌电手势识别源域个体模型；

采用目标用户在单个源域个体模型上的准确率和单个源域个体模型的复杂度指标来衡量目标用户在源域个体模型上的适应度，计算得到适应度评估得分；

根据适应度评估得分对单个源域个体模型进行更新；通过多数投票机制对更新后的单个源域个体模型进行集成，得到集成源域个体模型；

获取目标用户的肌电信号数据，基于集成源域个体模型，得到目标用户肌电手势识别结果；

其中，第i个源域个体模型的适应度评估得分，具体为：

score:=①*acc?+(1-0)*com;;

其中，acc;为第i个源域个体模型的准确率，com;为第i个源域个体模型的复杂度，①为自适应权重；

根据适应度评估得分对单个源域个体模型进行更新，具体为：

基于评估得分计算单个源域个体模型需要调整的轮数：

epoch=c-score,*p;

其中，epoch表示第i个模型需要调整的轮数，c、p均为常数；

通过多数投票机制对更新后的单个源域个体模型进行集成，具体为：

假设源域有N个不同的源域个体模型，存在一个K种手势的分类任务；

任意的输入数据分别通过各个源域个体模型，得到相对应的手势类型；

遍历所有的输出值，统计每一种手势类型的个数，选取输出数量最多的手势类型，作为集成源域个体模型的输出。

2.如权利要求1所述的一种基于多源域集成迁移的跨用户肌电手势识别方法，其特征在于，为每一个用户构建一个肌电手势识别源域个体模型，所述源域个体模型采用卷积神经网络构建；利用源域数据进行源域个体模型的训练。

3.如权利要求1所述的一种基于多源域集成迁移的跨用户肌电手势识别方法，其特征在于，计算目标用户在单个源域个体模型上的准确率，具体为：

对目标域Df数据集中的数据对加上标签，计算通过单个源域个体模型得到的预测标签和真实标签相等的数据对个数，该个数与目标域Df中数据对的总数的比值，即为源域个体模型的准确率；其中，Df为目标域带标签