申请/专利权人：安徽大学

申请日：2023-09-20

公开（公告）日：2023-12-08

公开（公告）号：CN117195153A

主分类号：G06F18/25

分类号：G06F18/25;G06F18/213;G06F18/214;G06N3/045;G06N3/0895;G06N3/09;G06F18/2411;G06F123/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.12.26#实质审查的生效;2023.12.08#公开

摘要：本发明公开了一种基于对比性学习的EEG‑EOG多模态情感识别方法，包括以下步骤：S1：设计实验范式；S2：采集受试者的EEG信号和EOG信号；S3：数据预处理；S4：对比学习：采用一个基编码器和投影模块来对齐同一被试者的EEG和EOG信号片段的小批量数据，并不断优化基编码器和投影模块的参数；S5：使用预训练后的基编码器从对齐的EEG和EOG信号表征中提取DE情感特征；S6：分类识别，得到情感识别的识别率。还公开了一种基于对比性学习的EEG‑EOG多模态情感识别系统。本发明基于对比性学习方法，预训练基编码器来对齐EEG和EOG信号，从而实现多模态信号的融合，提高情感识别的识别率。

主权项：1.一种基于对比性学习的EEG-EOG多模态情感识别方法，其特征在于，包括以下步骤：S1：设计实验范式：受试者观看影片并反馈情感状态标签，同时记录受试者的EEG和EOG信号；S2：数据采集：采集受试者在视听刺激模式下的EEG信号和EOG信号，将采集到的所有EEG和EOG数据从事件发生标定点到事件结束标定点截取有用的数据；S3：数据预处理：对步骤S2截取得到的EEG和EOG信号进行预处理，得到预处理后纯净的EEG和EOG信号；S4：对比性学习：处理经过预处理后的EEG和EOG信号，生成一个包含若干对EEG和EOG信号片段的小批量数据，采用一个基编码器和投影模块来对齐同一被试者的EEG和EOG信号片段的小批量数据，并不断优化基编码器和投影模块的参数；S5：特征提取：使用预训练后的基编码器对齐预处理后的EEG和EOG信号，再从对齐的EEG和EOG信号表征中提取DE情感特征，将提取的DE情感特征使用线性动力系统模型进行平滑处理；S6：分类识别：将平滑后的特征分别分为训练集和测试集，训练集及对应的情感状态标签放入SVM分类器中进行学习分类得到训练好的模型，利用该模型对测试集的情感状态标签进行预测，得到情感识别的识别率。

全文数据：

权利要求：

百度查询： 安徽大学 基于对比性学习的EEG-EOG多模态情感识别方法及其系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD