科研之友
微信
新浪微博
Facebook
分享链接
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 Representation, 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.
- 单位
