基于子领域适应和时空学习的脑电情感识别

在跨受试情感识别中,不同受试者的脑电样本分布存在显著差异,常采用域适应方法减小脑电信号的个体差异。然而,全局域适应忽略了不同情感类别子领域的脑电分布差异,降低了情感特征的可区分性。此外,脑电信号包含众多的电极通道,并且受试者也只在部分刺激期间达到预期情绪,因此通道间的复杂空间信息和脑电信号的关键帧学习也是亟待解决的难题。为解决上述问题,提出了一种基于子领域适应和时空学习的脑电情感识别网络。首先,利用模型中的子领域适应模块,通过最小化类内差异和最大化类间差异以减小子领域的差异损失;再利用时空特征提取器捕获空间关联性及时间上下文信息,提取判别性情感特征。最后,在DEAP数据集上进行了受试者独立实验,实验结果验证了所提方法的性能,唤醒和效价的分类准确度分别达0.688 0和0.696 8。