一种基于脑电信号的学习情绪分类方法及系统技术方案

本发明专利技术提供了一种基于脑电信号的学习情绪分类方法及系统，方法包括：获取学习者的多个通道的脑电信号；不同通道对应不同的脑部位置；通过巴特沃斯带通滤波器将脑电信号过滤为多个不同的频段，获得多个通道的多个频段的脑电信号；将多个通道的多个频段的脑电信号输入至训练好的困惑分类模型，获得学习者的困惑分类结果；若判断获知困惑分类结果为困惑时，困惑分类结果即为学习者的学习情绪；若判断获知困惑分类结果为非困惑时，则将多个通道的多个频段的脑电信号输入至训练好的情绪分类模型，获得学习者的情绪分类结果，情绪分类结果即为学习者的学习情绪。本发明专利技术可以避免困惑情绪与其他情绪的分类混淆情况，提高情绪分类准确率

【技术实现步骤摘要】
一种基于脑电信号的学习情绪分类方法及系统


[0001]本专利技术属于脑电情绪分类
，更具体地，涉及一种基于脑电信号的学习情绪分类方法及系统。

技术介绍

[0002]情绪是一种心理过程，会对生理行为和身体活动产生影响。情绪分类应用领域十分的广阔，例如在医学领域，情绪分类能够评估有特殊患者的情绪状态，协助医生做出更加准确的诊断。情绪分类在教育中也有着广泛的应用，例如，帮助教育工作者更好的掌握、了解学生的情绪状态，从而能够动态调整、完善教学策略和方法；帮助教育者更好的关注存在情绪问题的学生，必要时采取相应的措施对学生进行干预，从而更好的帮助学生发展和成长。
[0003]情绪分类常见信号有头部姿态、面部表情、文本、声音、脑电信号、心电信号等等，其中由于脑电信号能够直观反映大脑活动的变化，客观反映人的情绪状态，再者脑电信号具有非侵入、成本低、便携、可靠等特点。因此，情绪分类研究工作中，选择脑电信号具有显著的优势。对于脑电信号情绪识别的方法，有许多传统的机器学习方法被提出用于基于脑电信号的情感分类，例如SVM、KNN，然而仍存在分类准确率较低的问题。

技术实现思路

[0004]针对现有技术的缺陷，本专利技术的目的在于提供一种基于脑电信号的学习情绪分类方法及系统，旨在解决现有基于脑电信号的情感分类方法的分类准确率较低的问题。
[0005]为实现上述目的，第一方面，本专利技术提供了一种基于脑电信号的学习情绪分类方法，包括：
[0006]S101获取学习者的多个通道的脑电信号；不同通道对应不同的脑部位置；
[0007]S102通过巴特沃斯带通滤波器将脑电信号过滤为多个不同的频段，获得多个通道的多个频段的脑电信号；
[0008]S103将所述多个通道的多个频段的脑电信号输入至训练好的困惑分类模型，获得学习者的困惑分类结果；
[0009]S104若判断获知困惑分类结果为困惑时，所述困惑分类结果即为所述学习者的学习情绪；若判断获知困惑分类结果为非困惑时，则将所述多个通道的多个频段的脑电信号输入至训练好的情绪分类模型，获得学习者的情绪分类结果，所述情绪分类结果即为所述学习者的学习情绪。
[0010]在一个可选的示例中，S103之前还包括：
[0011]对初始的情绪分类模型的分类层进行调整，获得适用于二分类的初始的困惑分类模型；
[0012]基于困惑样本和非困惑样本训练初始的困惑分类模型，获得所述训练好的困惑分类模型；
[0013]基于专注样本、无聊样本和中性样本训练初始的情绪分类模型，获得所述训练好的情绪分类模型。
[0014]在一个可选的示例中，S103具体包括：
[0015]基于所述多个通道的多个频段的脑电信号提取通道组合下多个频段的特征；所述通道组合为与情绪分类的关联性强的通道的组合；
[0016]从通道组合下多个频段的特征中提取通道组合下频段组合的特征，基于通道组合下频段组合的特征生成频段组合对应的注意权重，将注意权重赋给对应的特征并进行融合，获得融合后的特征；所述频段组合为与情绪分类的关联性强的频段的组合；
[0017]基于融合后的特征进行困惑分类，获得所述学习者的困惑分类结果。
[0018]在一个可选的示例中，所述与情绪分类的关联性强的通道基于单通道情绪分类模型针对每个通道的脑电信号进行情绪分类所获得的分类准确率确定；
[0019]所述单通道情绪分类模型包括卷积骨干网络、注意力单元和softmax分类单元；所述卷积骨干网络用于基于每个通道的脑电信号提取特征，所述注意力单元用于基于特征生成权重，并将权重赋给特征，获得加权后的特征，所述softmax分类单元用于基于加权后的特征进行情绪分类。
[0020]在一个可选的示例中，所述通道组合包括颞叶对应的两个通道，额叶和颞叶之间位置对应的两个通道，中央区和顶叶之间位置对应的一个通道，以及中央区对应的一个通道。
[0021]第二方面，本专利技术提供了一种基于脑电信号的学习情绪分类系统，包括：
[0022]脑电信号获取模块，用于获取学习者的多个通道的脑电信号；不同通道对应不同的脑部位置；
[0023]频域分解模块，用于通过巴特沃斯带通滤波器将脑电信号过滤为多个不同的频段，获得多个通道的多个频段的脑电信号；
[0024]困惑分类模块，用于将所述多个通道的多个频段的脑电信号输入至训练好的困惑分类模型，获得学习者的困惑分类结果；
[0025]情绪分类模块，用于若判断获知困惑分类结果为困惑时，所述困惑分类结果即为所述学习者的学习情绪；若判断获知困惑分类结果为非困惑时，则将所述多个通道的多个频段的脑电信号输入至训练好的情绪分类模型，获得学习者的情绪分类结果，所述情绪分类结果即为所述学习者的学习情绪。
[0026]在一个可选的示例中，还包括模型训练模块，用于：
[0027]对初始的情绪分类模型的分类层进行调整，获得适用于二分类的初始的困惑分类模型；
[0028]基于困惑样本和非困惑样本训练初始的困惑分类模型，获得所述训练好的困惑分类模型；
[0029]基于专注样本、无聊样本和中性样本训练初始的情绪分类模型，获得所述训练好的情绪分类模型。
[0030]在一个可选的示例中，所述困惑分类模块具体用于：
[0031]基于所述多个通道的多个频段的脑电信号提取通道组合下多个频段的特征；所述通道组合为与情绪分类的关联性强的通道的组合；
[0032]从通道组合下多个频段的特征中提取通道组合下频段组合的特征，基于通道组合下频段组合的特征生成频段组合对应的注意权重，将注意权重赋给对应的特征并进行融合，获得融合后的特征；所述频段组合为与情绪分类的关联性强的频段的组合；
[0033]基于融合后的特征进行困惑分类，获得所述学习者的困惑分类结果。
[0034]在一个可选的示例中，所述困惑分类模块中采用的与情绪分类的关联性强的通道基于单通道情绪分类模型针对每个通道的脑电信号进行情绪分类所获得的分类准确率确定；
[0035]所述单通道情绪分类模型包括卷积骨干网络、注意力单元和softmax分类单元；所述卷积骨干网络用于基于每个通道的脑电信号提取特征，所述注意力单元用于基于特征生成权重，并将权重赋给特征，获得加权后的特征，所述softmax分类单元用于基于加权后的特征进行情绪分类。
[0036]在一个可选的示例中，所述困惑分类模块中采用的通道组合包括颞叶对应的两个通道，额叶和颞叶之间位置对应的两个通道，中央区和顶叶之间位置对应的一个通道，以及中央区对应的一个通道。
[0037]总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，具有以下有益效果：
[0038]本专利技术提供一种基于脑电信号的学习情绪分类方法及系统，通过利用多个通道的多个频段的脑电信号识别学习者的学习情绪，来了解学习者的状态，先进行第一次分类任务分离出困惑情绪，再进行第二次分类任务对其他情绪进行分类，并在两次分类任务均关注频本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于脑电信号的学习情绪分类方法，其特征在于，包括：S101获取学习者的多个通道的脑电信号；不同通道对应不同的脑部位置；S102通过巴特沃斯带通滤波器将脑电信号过滤为多个不同的频段，获得多个通道的多个频段的脑电信号；S103将所述多个通道的多个频段的脑电信号输入至训练好的困惑分类模型，获得学习者的困惑分类结果；S104若判断获知困惑分类结果为困惑时，所述困惑分类结果即为所述学习者的学习情绪；若判断获知困惑分类结果为非困惑时，则将所述多个通道的多个频段的脑电信号输入至训练好的情绪分类模型，获得学习者的情绪分类结果，所述情绪分类结果即为所述学习者的学习情绪。2.根据权利要求1所述的方法，其特征在于，S103之前还包括：对初始的情绪分类模型的分类层进行调整，获得适用于二分类的初始的困惑分类模型；基于困惑样本和非困惑样本训练初始的困惑分类模型，获得所述训练好的困惑分类模型；基于专注样本、无聊样本和中性样本训练初始的情绪分类模型，获得所述训练好的情绪分类模型。3.根据权利要求1所述的方法，其特征在于，S103具体包括：基于所述多个通道的多个频段的脑电信号提取通道组合下多个频段的特征；所述通道组合为与情绪分类的关联性强的通道的组合；从通道组合下多个频段的特征中提取通道组合下频段组合的特征，基于通道组合下频段组合的特征生成频段组合对应的注意权重，将注意权重赋给对应的特征并进行融合，获得融合后的特征；所述频段组合为与情绪分类的关联性强的频段的组合；基于融合后的特征进行困惑分类，获得所述学习者的困惑分类结果。4.根据权利要求3所述的方法，其特征在于，所述与情绪分类的关联性强的通道基于单通道情绪分类模型针对每个通道的脑电信号进行情绪分类所获得的分类准确率确定；所述单通道情绪分类模型包括卷积骨干网络、注意力单元和softmax分类单元；所述卷积骨干网络用于基于每个通道的脑电信号提取特征，所述注意力单元用于基于特征生成权重，并将权重赋给特征，获得加权后的特征，所述softmax分类单元用于基于加权后的特征进行情绪分类。5.根据权利要求3所述的方法，其特征在于，所述通道组合包括颞叶对应的两个通道，额叶和颞叶之间位置对应的两个通道，中央区和顶叶之间位置对应的一个通道，以及中央区对应的一个通道。6.一种基于脑电信号的学习情绪分类系统，其特征在于，包括：脑电信...

【专利技术属性】
技术研发人员：朱晓亮，刘艮东，荣文婷，杨宗凯，赵亮，戴志诚，
申请(专利权)人：华中师范大学，
类型：发明
国别省市：