【技术实现步骤摘要】
本专利技术涉及脑电情绪识别的，尤其是指一种基于带温差双对比学习的跨受试者脑电情绪识别系统，提高跨受试者识别准确率。
技术介绍
1、基于脑电的情绪识别任务是指通过采集人的脑电波信号并对脑电波信号进行处理和分析从而识别出受试者的情绪，是实现脑机接口和情感计算的关键环节，在更关注人机交互的大模型时代，基于脑电的情绪识别必然成为热门的研究方向并且将拥有更广阔的应用前景。
2、基于脑电的情绪识现在的主流技术方案是深度学习，即通过采集一定数量带标签的脑电信号放到深度学习网络中训练，识别的时候再将采集到的新数据放到深度学习网络中进行识别。然而，基于深度学习的脑电情绪识别面临着如果测试数据与训练数据来自不同的受试者则识别效果非常差的问题，即个体差异带来的泛化能力退化问题，也称跨受试者问题。这一问题与深度学习和迁移学习中域自适应问题有相似之处，因此有研究人员开始使用域自适应与域泛化的方法去解决基于脑电的情绪识别中跨受试者问题，基本思想是使不同域的数据在隐空间上实现对齐从而使得测试受试者的脑电数据即使没有被训练过也能被准确的识别。随着脑科学的发...
【技术保护点】
1.基于带温差双对比学习的跨受试者脑电情绪识别系统，其特征在于，包括：
2.根据权利要求1所述的基于带温差双对比学习的跨受试者脑电情绪识别系统，其特征在于，所述数据导入模块包括加载、读取、格式化脑电数据，其中：
3.根据权利要求2所述的基于带温差双对比学习的跨受试者脑电情绪识别系统，其特征在于，所述预处理模块包括数据预处理流程和差分熵特征提取流程，具体如下：
4.根据权利要求3所述的基于带温差双对比学习的跨受试者脑电情绪识别系统，其特征在于，所述情绪识别模块中的深度学习网络训练流程如下：
【技术特征摘要】
1.基于带温差双对比学习的跨受试者脑电情绪识别系统，其特征在于，包括：
2.根据权利要求1所述的基于带温差双对比学习的跨受试者脑电情绪识别系统，其特征在于，所述数据导入模块包括加载、读取、格式化脑电数据，其中：
3.根据权利要求2所述的基于...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。