-
公开(公告)号：CN114818822B
公开(公告)日：2025-04-25
申请号：CN202210516213.4
申请日：2022-05-12
Applicant: 杭州电子科技大学
IPC: G06F18/2135 , G06F18/27 , G06N3/0895
Abstract: 本发明公开了联合半监督回归与图标签传播的脑电迁移情感识别方法。该方法采集来自不同被试者的脑电数据，提取特征作为样本矩阵。构建双映射域适应模型和半监督回归与图标记传播联合模型两个子模型，进行联合优化。在优化过程中，对不同变量进行交替迭代优化，从而不断优化特征共享子空间，缩减源域和目标域之间的数据分布差异，得以学习到更加准确的目标域标签，进一步缩减两域之间的差异。本方法可以缩减被试之间脑电数据的分布差异，同时进一步抑制被试数据特征间存在的差异对情感识别过程的影响，解决在跨被试情感识别领域由于被试之间的个体差异性带来的识别效果不佳的问题。
-
公开(公告)号：CN113157094B
公开(公告)日：2023-04-07
申请号：CN202110428950.4
申请日：2021-04-21
Applicant: 杭州电子科技大学
IPC: G06F3/01 , G06F18/2413 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了联合特征迁移与图半监督标记传播的脑电情感识别方法。该方法的具体步骤包括引导被试者观看带有明显情感倾向的脑电数据，对其进行预处理和特征提取后，生成样本矩阵。构建联合特征迁移学习与状态估计的学习模型，包括单映射域适应模型与半监督标签传播模型，得到联合优化的目标函数。再根据目标函数通过固定两个变量、更新另一个变量的规则，实现联合优化，通过不断的迭代优化特征共享子空间，得到更好的迁移效果，以提高情感识别的准确性。该方法可以用于跨被试迁移进行情感识别。
-
公开(公告)号：CN114818822A
公开(公告)日：2022-07-29
申请号：CN202210516213.4
申请日：2022-05-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了联合半监督回归与图标签传播的脑电迁移情感识别方法。该方法采集来自不同被试者的脑电数据，提取特征作为样本矩阵。构建双映射域适应模型和半监督回归与图标记传播联合模型两个子模型，进行联合优化。在优化过程中，对不同变量进行交替迭代优化，从而不断优化特征共享子空间，缩减源域和目标域之间的数据分布差异，得以学习到更加准确的目标域标签，进一步缩减两域之间的差异。本方法可以缩减被试之间脑电数据的分布差异，同时进一步抑制被试数据特征间存在的差异对情感识别过程的影响，解决在跨被试情感识别领域由于被试之间的个体差异性带来的识别效果不佳的问题。
-
公开(公告)号：CN113157094A
公开(公告)日：2021-07-23
申请号：CN202110428950.4
申请日：2021-04-21
Applicant: 杭州电子科技大学
Abstract: 本发明公开了联合特征迁移与图半监督标记传播的脑电情感识别方法。该方法的具体步骤包括引导被试者观看带有明显情感倾向的脑电数据，对其进行预处理和特征提取后，生成样本矩阵。构建联合特征迁移学习与状态估计的学习模型，包括单映射域适应模型与半监督标签传播模型，得到联合优化的目标函数。再根据目标函数通过固定两个变量、更新另一个变量的规则，实现联合优化，通过不断的迭代优化特征共享子空间，得到更好的迁移效果，以提高情感识别的准确性。该方法可以用于跨被试迁移进行情感识别。
-
-
-
Search Results
4
records
(took 0.02 seconds)
