【技术实现步骤摘要】
本专利技术属于脑电信号处理，特别涉及一种多特征域自适应脑电情感识别方法。
技术介绍
1、情感是日常生活中的重要组成部分，情感可以对生活思想，行为以及决策产生重大影响。情感计算，尤其是通过生理信号来分析情感，已经成为研究热点。在众多生理信号中，脑电信号因其直接反应人的情绪状态而具有独特的不可伪造性，是情感识别中极具价值的信号源。
2、随着脑机接口技术的发展，人机交互的需求日益增长，脑电信号的情感识别技术就显得尤为重要。然而，由于脑电信号容易受到外界环境以及个体生理状态的影响，存在显著的个体差异，并且随着时间的变化而变化。因此，跨被试和跨时间的情感识别不仅是技术上的挑战，也是当前研究的重点之一。在此背景下，迁移学习技术显示出其在情感识别中的潜力和有效性。
3、在现有技术中，脑电情感识别主要依赖于特定被试在固定时间内的数据，导致模型的泛化能力和应用范围受限。此外，现有方法通常未能充分利用迁移学习来处理在不同被试之间的差异，特别是在处理跨时间序列数据的能力上有所欠缺。这些限制影响了情感识别系统在实际应用中的效率和准确性。
【技术保护点】
1.一种多特征域自适应脑电情感识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的多特征域自适应脑电情感识别方法，其特征在于，所述相似性选择表示为：
3.根据权利要求1所述的多特征域自适应脑电情感识别方法，其特征在于，所述一维卷积神经网络为：
4.根据权利要求1所述的多特征域自适应脑电情感识别方法，其特征在于，其中每个域脑电信号都对应一个相应的域特定时间特征提取器，通过每个域特定时间特征提取器提取每个域的时间特征，将每一组筛选的源域脑电信号和目标域脑电信号的域特定时间特征映射到低维抽象空间捕捉数据中的关键特征和结构，通过最...
【技术特征摘要】
1.一种多特征域自适应脑电情感识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的多特征域自适应脑电情感识别方法，其特征在于，所述相似性选择表示为：
3.根据权利要求1所述的多特征域自适应脑电情感识别方法，其特征在于，所述一维卷积神经网络为：
4.根据权利要求1所述的多特征域自适应脑电情感识别方法，其特征在于，其中每个域脑电信号都对应一个相应的域特定时间特征提取器，通过每个域特定时间特征提取器提取每个域的时间特征，将每一组筛选的源域脑电信号和目标域脑电信号的域特定时间特征映射到低维抽象空间捕捉数据中的关键特征和结构，通过最大均值差异损失缩小源域脑电信号和目标域脑电信号特征分布。
5.根据权利要求4所述的多特征域自适应脑电情感识别方法，其特征在于，所述最大均值差异损失为：
6.根据权利要求1所述的多特征域自适应脑电情感识别方法，其特...
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。