申请/专利权人:杭州电子科技大学
申请日:2023-10-30
公开(公告)日:2024-02-02
公开(公告)号:CN117493849A
主分类号:G06F18/213
分类号:G06F18/213;G06F18/241;G06F18/10;G06N3/094;G06N3/047;G06N3/0499
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.02.23#实质审查的生效;2024.02.02#公开
摘要:本发明涉及类级别知情鉴别器对抗性域适应网络的情感脑电识别方法,建立了特征提取器和鉴别器之间的对抗关系,以促进领域级别的适应,为了进一步增强领域自适应,采取了将源领域样本标签提供给鉴别器的措施。这额外的信息为模式导向的适应提供了有价值的指导。实验结果明确支持了这种方法的有效性。通过将源类别标签纳入鉴别器,成功地捕获不同被试和不同会话中EEG信号的跨域不变特征,从而实现了跨被试和跨会话任务的域适应,为后续的对抗性域适应网络方法提供了新的思路,用于解决EEG信号的个体差异和非稳定性带来的问题。
主权项:1.类级别知情鉴别器对抗性域适应网络的情感脑电识别方法,其特征在于:包括以下步骤:步骤一:多通道脑电信号采集与预处理,采集受试者的多通道情感脑电信号,利用巴特沃斯滤波器对每个通道的脑电信号进行带通滤波,得到多个不同频带的EEG信号,并提取EEG信号各通道中的微分熵特征;步骤二:使用源域数据训练分类器,目标是最小化分类器的预测损失,分类器是使用源域数据进行训练的,在测试阶段直接用于目标域数据的分类;步骤三:通过通过反转梯度层引导特征提取器与鉴别器形成对抗,最大化源域数据和目标域数据的域预测损失,在域级别上初步对齐源域数据和目标域数据的分布,最小化鉴别器对源域数据具体类别的预测损失,有利于鉴别器学习并保留有效的模式信息,指导特征提取器将目标域特征转换到具体的源类中,进一步在类级别上对齐源域数据和目标域数据,实现特征的跨域不变性。
全文数据:
权利要求:
百度查询: 杭州电子科技大学 类级别知情鉴别器对抗性域适应网络的情感脑电识别方法
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。