用異質(zhì)遷移學(xué)習(xí)構(gòu)建跨被試腦電情感模型
發(fā)布時(shí)間:2023-05-31 00:24
由于腦電信號(hào)的個(gè)體差異性和非平穩(wěn)特性對(duì)情感模型性能產(chǎn)生影響,如何構(gòu)建跨被試腦電情感模型是情感腦-機(jī)接口領(lǐng)域的一個(gè)重要研究方向.本文提出一種新的從眼睛的掃視軌跡進(jìn)行知識(shí)遷移的異質(zhì)遷移學(xué)習(xí)方法,以提升跨被試腦電情感模型的性能.該方法的主要神經(jīng)生理學(xué)依據(jù)是,被試的視覺(jué)注視誘發(fā)了大腦特定的神經(jīng)活動(dòng),而這些神經(jīng)活動(dòng)產(chǎn)生的腦電信號(hào)可以為情緒識(shí)別提供重要的情境線索.為了量化不同被試之間的域差異,我們引入了基于掃視軌跡和基于腦電信號(hào)的核矩陣,并提出了改進(jìn)的直推式參數(shù)遷移學(xué)習(xí)算法,以實(shí)現(xiàn)跨被試腦電情感模型的構(gòu)建.該方法與傳統(tǒng)方法相比,具有兩個(gè)優(yōu)點(diǎn):一是利用了目標(biāo)被試容易獲取的眼動(dòng)追蹤數(shù)據(jù)進(jìn)行被試遷移;二是在目標(biāo)被試只有眼動(dòng)追蹤數(shù)據(jù)的情況下,仍然能夠從其他被試的歷史數(shù)據(jù)中學(xué)到腦電信號(hào)的情緒類別判別信息.為了驗(yàn)證所提方法的有效性,我們對(duì)本文提出的方法與已有的遷移方法在三類情緒識(shí)別的腦電和眼動(dòng)數(shù)據(jù)集上進(jìn)行了系統(tǒng)的對(duì)比實(shí)驗(yàn)研究.實(shí)驗(yàn)結(jié)果表明,基于眼動(dòng)軌跡的遷移模型取得了與基于腦電信號(hào)的遷移模型相當(dāng)?shù)淖R(shí)別性能.相對(duì)于傳統(tǒng)的通用分類器50.46%的平均準(zhǔn)確率,基于眼動(dòng)軌跡的遷移模型的平均準(zhǔn)確率達(dá)到了69.72%.
【文章頁(yè)數(shù)】:13 頁(yè)
【文章目錄】:
1引言
2相關(guān)工作
2.1多模態(tài)情感腦-機(jī)接口
2.2腦-機(jī)接口中的遷移學(xué)習(xí)
3方法
3.1眼動(dòng)信號(hào)與腦電信號(hào)關(guān)聯(lián)的神經(jīng)生物學(xué)基礎(chǔ)
3.2時(shí)空掃視軌跡分析
3.2.1掃視軌跡序列編碼
3.2.2掃視軌跡序列比較
3.3異質(zhì)遷移學(xué)習(xí)
4實(shí)驗(yàn)設(shè)置
4.1情感腦電和眼動(dòng)追蹤數(shù)據(jù)集
4.2數(shù)據(jù)預(yù)處理和特征提取
4.3性能評(píng)價(jià)指標(biāo)
5實(shí)驗(yàn)結(jié)果分析
6結(jié)論
Background
本文編號(hào):3825323
【文章頁(yè)數(shù)】:13 頁(yè)
【文章目錄】:
1引言
2相關(guān)工作
2.1多模態(tài)情感腦-機(jī)接口
2.2腦-機(jī)接口中的遷移學(xué)習(xí)
3方法
3.1眼動(dòng)信號(hào)與腦電信號(hào)關(guān)聯(lián)的神經(jīng)生物學(xué)基礎(chǔ)
3.2時(shí)空掃視軌跡分析
3.2.1掃視軌跡序列編碼
3.2.2掃視軌跡序列比較
3.3異質(zhì)遷移學(xué)習(xí)
4實(shí)驗(yàn)設(shè)置
4.1情感腦電和眼動(dòng)追蹤數(shù)據(jù)集
4.2數(shù)據(jù)預(yù)處理和特征提取
4.3性能評(píng)價(jià)指標(biāo)
5實(shí)驗(yàn)結(jié)果分析
6結(jié)論
Background
本文編號(hào):3825323
本文鏈接:http://www.sikaile.net/yixuelunwen/swyx/3825323.html
最近更新
教材專著