[发明专利]联合半监督回归与图标签传播的脑电迁移情感识别方法

权利要求书

1.联合半监督回归与图标签传播的脑电迁移情感识别方法，其特征在于：该方法具体包括以下步骤：

步骤1、采集多名被试者在c种不同情感状态下的脑电数据；

步骤2、对步骤1采集得到的脑电数据进行预处理和特征提取，每一个样本矩阵X由一个被试者的脑电特征组成，标签向量y为样本矩阵X中脑电特征对应的情感标签；选择两个来自不同被试者的样本矩阵X，分别作为源域数据X_s和目标域数据X_t；

步骤3、构建联合半监督回归与图标签传播的脑电迁移情感识别模型，包括双映射域适应模型和半监督回归与图标签传播联合模型；

步骤3.1、建立双映射域适应模型：

其中，dom＝s、t，分别为将源域数据和目标域数据映射到共享子空间中的映射矩阵，上标T表示转置，p表示共享子空间维度，d表示原始样本维度；为增广源域数据标签，Y_s为源域标签的one-hot型编码，c为类别数；为增广目标域数据标签，表示元素均为1的列向量，F_t为目标域标签的one-hot型编码，n_s,n_t分别为源域数据和目标域数据的样本数量，n＝n_s+n_t表示总样本个数；为对角矩阵，对角矩阵N_dom中第k个对角元素即为第k类源域或者目标域数据样本数量的倒数，k＝1,2,…,c；其中为中心矩阵，为单位阵，表示Frobenius范数的平方计算，||P_s-P_t||_2,1在数学上是对两域共享子空间映射矩阵差值的行稀疏约束，其意义在于防止映射过程两域个性特征的过度体现，||·||_2,1表示21范数的计算；

步骤3.2、建立半监督回归与图标签传播联合模型：

其中，是样本-标签映射矩阵，表示样本标签矩阵，表示X^TPW与F两者差值的平均，表示样本-特征二部图关联矩阵，表示样本-特征关联矩阵，0_n,0_p分别是维度为的全零矩阵，表示基于当前共享子空间数据构造的初始化的图关联矩阵，是基于当前共享子空间数据进行初始化的样本-特征关联矩阵，表示样本及特征标签矩阵，是图拉普拉斯矩阵，对角矩阵其对角元素为矩阵S行和，Tr(·)表示求解矩阵的迹，公式(2)中为半监督回归的标准式，是对矩阵W的行稀疏约束，是二部图构造以及标签传播过程；

步骤3.3、联合步骤3.1、3.2构建的两个模型，将双映射域适应模型与半监督回归与图标签传播联合模型整合至一个统一的框架中进行联合优化，计算目标域情感标签F_t，优化模型为：

其中，α,γ,β,λ均为优化过程中的可调参数；

步骤4、初始化目标域数据标签F_t以及特征标签F_d，使用主成分分析方法构建得到源域和目标域的子空间映射矩阵P_s,P_t；然后根据步骤3得到的联合优化的目标函数，通过固定其余变量、更新另一个变量的方法，依次对样本-标签映射矩阵W、子空间映射矩阵P_s,P_t、样本-特征关联矩阵S以及目标域数据标签F_t进行优化，多次重复该优化过程，实现联合迭代优化；

步骤5、将步骤4联合迭代优化后的结果代入公式(3)中，然后将情感状态未知的脑电数据特征X_m作为目标域数据X_t输入公式(3)中，求解对应的目标域数据标签F_t，得到脑电数据特征X_m对应的采集时刻的情感状态。

2.如权利要求1所述一种联合半监督回归与图标签传播的脑电迁移情感识别方法，其特征在于：步骤2中以200Hz的频率对采集得到的脑电数据进行采样，然后将采样后的数据通过1hz～75hz的带通滤波器，滤除噪声和伪影；再分为1-4Hz、4-8Hz、8-14Hz、14-31Hz和31-50Hz五个频段，分别计算每个频段下的微分熵作为样本矩阵X中的脑电特征。