基于标签对称的跨被试脑电情绪识别方法技术

本发明专利技术公开了基于标签对称的跨被试脑电情绪识别方法，包括：获取输入数据；对所述输入数据进行预处理和特征提取，得到处理后的输入数据；构建标签对称学习模型并进行训练，得到优化模型；将所述处理后的输入数据输入到所述优化模型中，得到情绪识别结果。本发明专利技术针对的脑电研究领域中较难的跨被试情境，通过构建标签对称模块和样本预测平衡模块，很好地实现了跨被试场景下脑电情感识别的问题，并且本发明专利技术方案更符合实际场景，在解决标签空间不一致的问题上，提出了扩充目标域标签空间的方法，使得目标域的标签空间和源域的标签空间相同，简化了问题，提高了跨被试脑电情感识别的准确性。性。性。

【技术实现步骤摘要】
基于标签对称的跨被试脑电情绪识别方法


[0001]本专利技术属于脑电信号处理
，特别是涉及基于标签对称的跨被试脑电情绪识别方法。

技术介绍

[0002]情绪是对一系列主观认知经验的通称，是人对客观事物的态度体验以及相应的行为反应，一般认为，情绪是以个体愿望和需求为中介的一种心理活动。对于计算机而言，如果能准确且迅速地识别人的情绪，那么在教育、医疗、科学等领域都能产生很大的效益。近年来，随着人工智能技术的发展，研究者们开始利用计算机来识别人的情绪，他们希望可以借助计算机强大的运算能力来分析并提取人的情绪特征，以实现高效识别人情绪的目的。现有的方法是根据人物的面部表情，声音语调或者行为动作来感知情绪，然而这些情绪只能从表面上观察到，有时并不能够准确反映人物的真实情绪。越来越多的研究者把注意转移到了人的脑电情绪信号，因为脑电信号具有不以人的意志而改变的特点，且是最接近人真实情绪的信号之一。脑电信号的情绪识别能够很大程度上提高计算机识别的可靠性，这对于未来的科学研究具有十分重要的作用。
[0003]现有的跨被试脑电情绪识别通常把其中一个有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于标签对称的跨被试脑电情绪识别方法，其特征在于，包括以下步骤：获取输入数据；所述输入数据包括有标签的源域数据和无标签的目标域数据；对所述输入数据进行预处理和特征提取，得到处理后的输入数据；构建标签对称学习模型并进行训练，得到优化模型；所述标签对称学习模型由对抗网络模块和样本预测平衡模块组成；将所述处理后的输入数据输入到所述优化模型中，得到情绪识别结果。2.根据权利要求1所述的基于标签对称的跨被试脑电情绪识别方法，其特征在于，所述获取输入数据具体为：分别采集被试在K种和K
‑
1种不同情绪状态下的脑电数据；其中受K种情绪刺激的被试脑电数据作为所述源域数据，受K
‑
1种情绪刺激的被试脑电数据作为目标域数据；目标域T的情绪类别是源域S的情绪类别的子集。3.根据权利要求1所述的基于标签对称的跨被试脑电情绪识别方法，其特征在于，所述预处理和特征提取具体为：对所述输入数据进行滤波，滤除噪声和伪影以及DE特征提取。4.根据权利要求3所述的基于标签对称的跨被试脑电情绪识别方法，其特征在于，经过所述DE特征提取...

【专利技术属性】
技术研发人员：沈方瑶，江海艇，陈丽娜，郭鸿杰，张尧，高宏，
申请(专利权)人：浙江师范大学，
类型：发明
国别省市：