CN115969392B 基于张量化频空注意力域适应网络的跨时段脑纹识别方法 （杭州电子科技大学）

基于张量化频空注意力域适应网络的跨时本发明公开基于张量化频空注意力域适应源域自适应方法是单独弥合多个源域和目标域的影响。采用一种新的张量化频空注意网络(TSFAN)，以联合合并成对源和目标以及跨源域进一步近似地表示为低秩Tucker格式，使TSFAN在域的数量上线性扩展，将TSFAN扩展到与任意2基于张量化频空注意力域适应网络模型包括K个结构相同的特定域频空卷积层包括依次串联的频域一维卷积和空所述拼接层将接收到的多个不同尺度特征进行拼接，得到源域脑纹时域特征Ztsj和目所述最大池化层将接收到的特征在时间维度进行降维处理，然后输出所述张量化频空注意力网络接收到K个特定域特征提取网络的最大池化层输出的特所述张量化频空注意力网络利用两个全连接层对K个特定域特征提取网络输出的特征j)aj和Fbj表示第j个源域空间的两个全连接层，Vj和Uj表示两个全连接层的参数，所述融合层将接收到的源域脑纹时域特征Ztsj和目标域脑纹时域特征Zttj分别各自与源域频空注意力Qsj和目标域频空注意力Qtj进行融合，得到频空增强的源域脑纹时域特征3将步骤2输出的源域时频空脑纹特征Zsj和目标域时频空脑纹特征Ztj展平，通过全连接步骤(4)、利用训练测试好的基于张量化频空注意力域适应网络模型和用于脑纹识别2.根据权利要求1所述的方法，其特征在于步据进行滤波具体是将脑电数据降采样到250Hz，利用巴特沃兹滤波器对原始脑电数据进行3.根据权利要求1所述的方法，其特征在于r公式(3)。6.根据权利要求5所述的方法，其特征在于基于张量化频空注意力域适应网络模型和其中表示用于衡量分类器距离损失函数，表示用于衡量源域和目标域数据训练测试好的基于张量化频空注意力域适应网络模型4段脑纹识别。8.一种计算机可读存储介质，其上存储有计算机程5于脑电图的生物识别技术适用于安全性要求识别特征方面引起了相当大的关注。通常，各种类型的深度学习方法，如卷积神经网络(CNN)、循环神经网络(RNN)和图卷积神经网络(GCNN)被证明可以从脑电信号中获取时间、据分别映射到不同的时间特征空间。然后，设计了TSFAN的核心思想——基于张量的注意6缓解源域和目标域数据分布差异的同时充分利用不同域之间的[0011]1_2为除去外部设备及肌电等因素的干扰，利用巴特沃兹滤波器对原始脑电数据[0015]基于张量化频空注意力域适应网络模型包括K个结构相同的特定域特征提取网[0017]所述拼接层将接收到的多个不同尺度特征进行拼接，得到源域脑纹[0019]所述张量化频空注意力网络接收到K个特定域特征提取网络的最大池化层输出的[0020]所述张量化频空注意力网络利用两个全连接层对K个特定域特征提取网络输出的7[0026]其中ueR"1xk+1,{wneRn⃞n,{r1...rK+1}为Tucker形式的秩，I1＝I2[0027]所述融合层将接收到的源域脑纹时域特征Ztsj和目标域脑纹时域特征Zttj分别各自与源域频空注意力Qsj和目标域频空注意力Qtj进行融合，得到频空增强的源域脑纹时域[0031]步骤(4)、利用训练测试好的基于张量化频空注意力域适应网络模型和用于脑纹[0032]作为优选，步骤1_2利用巴特沃兹滤波器对原始脑电数据进行滤波具体是将脑电[0038]zt's=zt,+zt,8sigmoid(Q5)8跨时段脑纹识别。[0050]本发明的又一个目的是提供一种计算机可读存储介质，方法有望作为脑纹识别应用在具有高度保密性质的生[0059]1)原始脑电信号含有的噪声频率通常低于0号x(τ)的短时傅里叶变换定义为：[0062]其中STFT(t，f)表示信号x(τ)在时间t处的短时傅里叶变换，其中h(τ_t)为窗函9[0063]3)采用15s的时间窗截取2)处理得到的脑电数据，并对相应的脑电样本数据打上[0064]4)将3)处理后得到的脑电样本数据按比例划分成训练集和测试集[0066]基于张量化频空注意力域适应网络模型包括K个结构相同的特定域特征提取网[0068]所述拼接层将接收到的多个不同尺度特征进行拼接，得到源域脑纹[0070]所述张量化频空注意力网络接收到K个特定域特征提取网络的最大池化层输出的[0071]所述张量化频空注意力网络利用两个全连接层对K个特定域特征提取网络输出的[0077]其中{r1...rK+1}为Tucker形式的秩，I1＝I2[0078]所述融合层将接收到的源域脑纹时域特征Ztsj和目标域脑纹时域特征Zttj分别各自与源域频空注意力Qsj和目标域频空注意力Qtj进行融合，得到频