[发明专利]一种基于自适应图学习的半监督脑电情感识别方法

说明书

本发明提供一种基于自适应图学习的半监督脑电情感识别方法。本发明步骤如下：1、多个被试者分别在诱发情感状态场景下进行脑电数据采集。2、对步骤1所得的脑电数据进行预处理。3、建立基于自适应图学习的半监督脑电情感识别模型。4、求解并训练脑电情感识别模型。5、根据脑电情感识别模型的投影矩阵挖掘脑电情感数据中的关键频段和关键导联信息。本发明通过自适应图、半监督学习和特征选择的方式提高了脑电情感识别模型的预测精度。

技术领域

本发明属于脑电信号处理技术领域，具体涉及一种基于自适应图学习的半监督脑电情感识别方法。

背景技术

随着我国人工智能技术的发展，研究如何实现高效情绪识别对于实现人机交互、人机接口以及智能计算机等有重要意义。相比人脸表情、文本和语音等非生理信号，脑电信号等生理信号具有难以伪装、较为客观和信息量丰富等优势，目前脑电情感识别及相关脑机制的研究已经逐渐成为神经科学的热门研究领域。在具体应用方面，通过脑电情感识别，可以判断用户的情感状态，帮助计算机做出合适的响应，改善人机交互效果。脑电情感识别技术在人工智能领域得到了广泛关注。

在进行脑电情感识别任务时，往往训练样本规模越大，脑电情感识别模型性能越高。然而在实际应用中，我们采集到的脑电信号都是未标注的数据，对其进行标注需要耗费大量时间和人力。半监督学习作为机器学习的重要分支之一，只需对训练数据中的部分数据进行标注就能训练得到性能良好的模型，能有效解决模型训练时数据标注少、标注难等问题。本发明将半监督学习应用于脑电情感识别任务中，提出一种基于自适应图学习的半监督脑电情感识别方法以解决脑电情感识别任务中数据标注少、标注难等问题。该方法将图理论应用于脑电情感识别模型训练中，每个脑电数据样本视为图中的某一结点，通过计算脑电数据样本之间的距离确定结点之间的权重矩阵，根据已标注脑电数据样本与未标注脑电数据样本之间的权重可计算出未标注脑电数据样本标签，从而对未标注脑电数据样本进行标注。该方法在构图过程中不仅考虑脑电数据样本之间的欧式距离，还考虑了脑电数据样本标签之间的欧式距离，图在更新时可通过已有的未标注样本标签计算结果进行调整，从而达到自适应的效果。该方法引入了低维映射空间，在低维映射空间中，同一类别脑电数据样本的欧式距离变小，不同类别脑电数据样本的欧式距离变大，保证构造的自适应图更准确地刻画脑电数据样本之间的关系，从而提升脑电情感识别模型的性能。

发明内容

本发明的目的在于提供一种基于自适应图学习的半监督脑电情感识别方法；通过该方法可以实现脑电情感识别以及模型的自适应学习。

本发明的具体步骤如下：

步骤1、对多个被试者进行脑电数据采集实验。对被试者进行外界刺激，使其产生情绪变化，同时采集被试者的脑电信号。

步骤2、对步骤1所得的所有脑电数据进行预处理和特征提取。每一个被试者的脑电样本处理后的数据作为一个样本矩阵X。对部分脑电数据进行标注，得到已标注标签矩阵F_l和未标注标签矩阵F_u。

步骤3、建立基于自适应图学习的半监督脑电情感识别模型目标函数如式(1)所示：