一种标签噪声下的脑电信号情绪识别方法技术

本发明专利技术公开了一种标签噪声下的脑电信号情绪识别方法，其步骤包括：1，对于原始EEG数据进行去基线和片段分割的预处理；2，建立基于胶囊网络的联合优化框架的神经网络模型；3，在公开数据集上引入一定比例的标签噪声并采用十折交叉方法训练建立的联合优化的胶囊网络模型；4，利用建立好的模型实现情绪分类任务。本发明专利技术能实现在标签噪声的情况下优化更新伪标签后纠正噪声标签，从而提高识别率。

【技术实现步骤摘要】
一种标签噪声下的脑电信号情绪识别方法
本专利技术涉及情感计算领域，具体的说是一种标签噪声下的脑电情绪识别方法。
技术介绍
情绪是一种复杂的主观认知经验的通称，它包括人对外界刺激或自身刺激的心理反应，以及其伴随的生理反应。情感识别在人工智能领域占有十分重要的地位。关于情绪识别的研究方法有很多，常用的有非生理信号和生理信号来判断人的情感，其中脑电信号(EEG)与人们的认知行为和心理活动具有很强的相关性，并且具有良好的时间分辨率，更能够直接地反映情绪，所以采用基于EEG信号的情绪识别研究方法。EEG情绪识别算法主要分为两类：传统算法和基于深度学习的算法。基于EEG信号的情绪识别的传统算法中，通常是先从EEG信号中提取特征，再将提取到的特征运用到分类器中进行识别任务。常用的脑电特征有时域特征、频域特征和时频特征等。除此之外、功率谱特征、小波特征和微分熵等特征作为情绪相关特征进行情绪分类时，也可以取得比较好的结果。近年来，许多深度学习方法的提出在情感计算领域也取得了非常不错的效果，研究者们采用各种深度学习网络作为分类器应用于从EEG信号提本文档来自技高网...

【技术保护点】
1.一种标签噪声下的脑电信号情绪识别方法，其特征是按如下步骤进行：/n步骤1、获取任一受试者A的带有M种情绪标签的脑电信号数据并进行去基线和样本分割处理，从而得到受试者A的N个脑电信号样本，记为X＝{X

【技术特征摘要】
1.一种标签噪声下的脑电信号情绪识别方法，其特征是按如下步骤进行：
步骤1、获取任一受试者A的带有M种情绪标签的脑电信号数据并进行去基线和样本分割处理，从而得到受试者A的N个脑电信号样本，记为X＝{X1,X2,...,Xi,...,XN}，其中，Xi∈Rm×P表示第i个脑电信号样本，m表示脑电信号的通道数，P表示采样点数，i＝1,2,…,N；N是样本数量；
对N个脑电信号样本X的情绪标签引入一定比例的噪声后形成新的一组情绪标签Y＝{Y1,Y2,...,Yi,...,YN}，其中，Yi∈RM×1表示第i个脑电信号样本Xi对应的情绪标签；M表示情绪类别数；
步骤2、建立基于联合优化框架的胶囊网络模型，所述胶囊网络模型由卷积层模块、初级胶囊层模块和情绪胶囊层模块组成；其中，所述卷积层模块包含k个步长为L1的a×a卷积核和ReLU激活函数，所述初级胶囊层模块包含由步长为L2的a×a卷积核单元所组成的d通道的b维初级胶囊，所述情绪胶囊层模块包含M个c维的情绪胶囊；
步骤2.1、将所述N个脑电信号样本X及其情绪标签Y输入所述胶囊网络模型中，所述N个脑电信号样本X经过所述卷积层模块的采样处理，将采样点数P转换为局部特征图的值，并输出k个局部特征图；
步骤2.2、将k个局部特征图输入到初级胶囊层模块，经过所述初级胶囊层模块的分组处理，将k个局部特征图分组为d×b维卷积胶囊，并输出低级情绪特征，通过动态路由协议机制对所述低级情绪特征进行加权求和处理，得到预测向量；
步骤2.3、将所述预测向量输入情绪胶囊层模块，经过M个c维的情绪...

【专利技术属性】
技术研发人员：李畅，侯艺萌，成娟，刘羽，宋仁成，陈勋，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽;34