科研之友
微信
新浪微博
Facebook
分享链接
摘要
在利用脑电信号进行疲劳驾驶跨被试检测中，克服脑电的个体差异是一项重大挑战，欧氏空间对齐是一种解决方法，然而该方法要求目标域上有大量数据。为降低跨被试检测中对目标域数据的依赖，我们提出一种基于模型迁移学习和改进欧式空间对齐的方法，以提高模型在有少量目标域数据时的分类能力。所提出的方法首先对源域数据进行欧式空间对齐以降低个体间差异，接着对目标域数据进行参考矩阵相似度加权平均对齐，使用深度卷积神经网络用于特征提取和分类，在源域上预训练后在目标域上微调。测试结果显示所提出的对齐方法能有效提高少量目标域数据可用时的跨被试分类准确率，最好的准确率达到96.12%。
- 单位
