统一全局空间表达的脑电信号跨被试情感识别
Acta Electronica Sinica 전자학보（2023）
摘要
脑电信号（ElectroEncephaloGram， EEG）的跨被试情感识别，充分利用 EEG信号库中大规模信息，并避免单被试模型训练对被试数据过度依赖产生的模型失效等问题，进一步推广了脑电识别的广泛应用. 然而，不同被试生理与心理等客观差异加剧了模型建立难度. 基于此，本文提出统一全局空间表达（Unified Global Spatial Representa⁃tion， UGSR）的跨被试识别模型 . 本文构建自适应在线自编码网络，通过对时序数据增量学习，提取 EEG信号潜在统一特征，实现生理偏差校正. 进一步，本文利用格拉姆角场（Gramian Angular Fields， GAF）转换局部时序特征为全局连续空间表达，避免相同环境下因被试心理差异产生反应信号时序不一致等问题，并建立全局注意力机制的深度卷积神经网络，获得更具判别性的非线性样本表达，提升识别精度. 本文模型被验证在流行的脑电信号数据集上，并获得了更好的跨被试识别精度与泛化性.
更多查看译文
关键词
electroencephalogram,emotion recognition,subject-independent recognition,auto-encoder network,convolution neural network,attention mechanism
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要