一种基于半监督宽度网络的弹性稀疏化情绪识别方法及装置制造方法及图纸

本发明专利技术公开了一种基于半监督宽度网络的弹性稀疏化情绪识别方法及装置，方法包括：采集脑电信号，获取脑电数据集；对脑电数据集进行数据预处理和特征提取，获取情绪状态特征；利用弹性稀疏自编码器对情绪状态特征提取低维特征，获取脑电低维特征；利用嵌入弹性稀疏化的多层增强节点对情绪状态特征进行深度特征提取，获取深度抽象特征，将脑电低维特征和深度抽象特征合并，形成情绪识别决策层特征；利用决策层对情绪识别特征进行分类，识别输出脑电数据相应的情绪。本发明专利技术解决了脑电情绪识别场景下面临的数据高维和标记数据不足的问题，提高识别准确率。

【技术实现步骤摘要】

本专利技术属于情绪识别模块的，具体涉及一种基于半监督宽度网络的弹性稀疏化情绪识别方法及装置。

技术介绍

1、情绪分析和识别是通过分析各种生理或非生理信号了解人的情绪状态，是神经科学、心理学、认知科学和人工智能等学科的重要交叉点。准确识别情绪对人际交往、情绪障碍的诊断和治疗具有重要的意义和应用价值。与语音等非生理性信号相比，包括脑电图(electroencephalogram，eeg)、眼动电图(electro-oculogram，eog)和心电图(electrocardiogram，ecg)在内的生理性信号能避免参与者的欺诈行为，更有助于理解他们潜在的情绪反应。

2、可穿戴技术的快速发展简化脑电信号的采集，提高其便利性、效率和经济性。然而，由于包括物理、生理和环境等因素的影响，脑电信号往往表现出高非平稳性和低信噪比。获得标记的脑电图样本可能是艰巨的，昂贵的，耗时的。例如，该领域许多基于脑电图的研究需要多种方法来注释情绪，如刺激前的自评、实验后的自评和专家的全过程评估。相比之下，未标记数据丰富且易于以较低的成本获取。因此半监督学习在基于脑电图的情本文档来自技高网...

【技术保护点】

1.一种基于半监督宽度网络的弹性稀疏化情绪识别方法，其特征在于，包括下述步骤：

2.根据权利要求1所述基于半监督宽度网络的弹性稀疏化情绪识别方法，其特征在于，所述数据预处理，包括：

3.根据权利要求1所述基于半监督宽度网络的弹性稀疏化情绪识别方法，其特征在于，所述对脑电数据集特征提取包括：

4.根据权利要求1所述基于半监督宽度网络的弹性稀疏化情绪识别方法，其特征在于，所述深度特征提取，包括：

5.根据权利要求4所述基于半监督宽度网络的弹性稀疏化情绪识别方法，其特征在于，对所有情绪状态特征通过线性函数生成映射节点Zn≡[Z1,Z2,…,Zn]...

【技术特征摘要】

1.一种基于半监督宽度网络的弹性稀疏化情绪识别方法，其特征在于，包括下述步骤：

2.根据权利要求1所述基于半监督宽度网络的弹性稀疏化情绪识别方法，其特征在于，所述数据预处理，包括：

3.根据权利要求1所述基于半监督宽度网络的弹性稀疏化情绪识别方法，其特征在于，所述对脑电数据集特征提取包括：

4.根据权利要求1所述基于半监督宽度网络的弹性稀疏化情绪识别方法，其特征在于，所述深度特征提取，包括：

5.根据权利要求4所述基于半监督宽度网络的弹性稀疏化情绪识别方法，其特征在于，对所有情绪状态特征通过线性函数生成映射节点zn≡[z1,z2,…,zn]，第i组映射特征zi，每一组特征包含k个映射特征，如下式：

6.根据权利要求1所述基于半监督宽度网络的弹性稀疏化情绪识别方法，其特征在...

【专利技术属性】
技术研发人员：张通，郭继凤，陈俊龙，刘竹琳，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：