一种基于多尺度双曲对比学习的跨被试脑电情感识别方法及设备技术

本发明专利技术涉及一种基于多尺度双曲对比学习的跨被试脑电情感识别方法，包括以下步骤：采用对比学习的采样方法，采集脑电信号数据；利用编码器和投影器获取第一脑电信号表示，并采用投影器将第一脑电信号表示投影到双曲空间；构建对比损失，其中对比损失包括脑电刺激对比损失和脑电情感对比损失；基于对比损失对编码器进行训练，利用训练后的编码器，获取第二脑电信号表示；基于第二脑电信号表示实现跨被试情感分类。本发明专利技术通过对比学习有效探索了脑电信号中的层级关系，同时利用双曲空间对层级关系的表达能力有效提取了对比学习中的层次信息，在保持个体不变性的基础上实现了情感样本的有效分离，从而使情感识别更加可靠。

【技术实现步骤摘要】

本专利技术属于深度学习和脑电，特别涉及一种基于多尺度双曲对比学习的跨被试脑电情感识别方法及设备。

技术介绍

1、情感计算作为人机交互领域的关键分支，旨在准确分析和理解人类情感状态，为智能系统提供更智能和情感感知的互动。传统的情感识别方法主要依赖于非生理特征，如面部表情和声音情感表达，然而，这些方法容易受到文化、个体差异和主观性的影响，从而限制了其在跨文化和跨个体情境下的应用。为了克服这些局限性，脑电图(eeg)作为一种生理信号的情感计算工具日益受到重视。

2、脑电图是一种反映大脑电活动的生理信号，具有高时空分辨率，可以提供更客观和可靠的情感信息。但是现有技术中，脑电情感识别领域仍面临一个严峻的挑战，即跨主体情感识别问题，不同个体之间的生理差异导致其脑电信号具有显著的差异，使得训练好的情感识别模型无法轻松泛化到不同个体。

技术实现思路

1、本专利技术的目的在于提供一种基于多尺度双曲对比学习的跨被试脑电情感识别方法及设备，能够解决脑电信号在保持被试不变性同时减弱情感信号的问题；p>

2、为达到本文档来自技高网...

【技术保护点】

1.一种基于多尺度双曲对比学习的跨被试脑电情感识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于多尺度双曲对比学习的跨被试脑电情感识别方法，其特征在于，所述编码器F(·)和投影器G(·)均包括时域卷积层和空间卷积层，所述编码器F(·)和投影器G(·)之间添加平均池化层；所述编码器F(·)和投影器G(·)从脑电信号的时间和空间维度中提取特征，得到第一脑电信号表示为：hi＝G(Avg(F(xi)))。

3.根据权利要求1或2所述的基于多尺度双曲对比学习的跨被试脑电情感识别方法，其特征在于，还包括以下步骤：利用编码器对多个脑电信号数据进行编码，并且利用投...

【技术特征摘要】

1.一种基于多尺度双曲对比学习的跨被试脑电情感识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于多尺度双曲对比学习的跨被试脑电情感识别方法，其特征在于，所述编码器f(·)和投影器g(·)均包括时域卷积层和空间卷积层，所述编码器f(·)和投影器g(·)之间添加平均池化层；所述编码器f(·)和投影器g(·)从脑电信号的时间和空间维度中提取特征，得到第一脑电信号表示为：hi＝g(avg(f(xi)))。

3.根据权利要求1或2所述的基于多尺度双曲对比学习的跨被试脑电情感识别方法，其特征在于，还包括以下步骤：利用编码器对多个脑电信号数据进行编码，并且利用投影器将第一脑电信号表示映射到公共空间，再利用投影器将第一脑电信号表示投影到双曲空间。

4.根据权利要求3所述的基于多尺度双曲对比学习的跨被试脑电情感识别方法，其特征在于，所述第一脑电信号表示投影到双曲空间包括以下步骤：利用双曲空间中定...

【专利技术属性】
技术研发人员：畅江，张志鑫，
申请(专利权)人：山西大学，
类型：发明
国别省市：