【技术实现步骤摘要】
本申请实施例涉及情绪识别，特别是涉及一种跨被试情绪识别方法、电子设备和存储介质。
技术介绍
1、情绪状态对人的身体健康和行为决策有很大影响。情绪识别有助于探索情绪产生的机制，这在心理学和神经科学领域具有重要意义。在人机交互(hci，human-computerinteraction)领域，准确的情绪识别可以让机器为用户提供更加人性化的服务。脑电信号、眼动信号、面部表情和其他特征都能在一定程度上反映情绪。其中，脑电信号是大脑神经元活动产生的电信号，反映了大脑的整体状态。基于脑电信号的情绪识别能够达到较高的准确率。然而，不同受试者的脑电信号模式存在一定差异，这导致跨被试模型的情绪识别准确率明显低于被试依赖模型。因此，需要考虑跨被试情绪识别中个体差异的影响。
技术实现思路
1、本专利技术实施例提供了一种跨被试情绪识别方法、电子设备和存储介质，用于至少解决上述技术问题之一。
2、第一方面，本专利技术实施例提供了一种跨被试情绪识别方法，包括：使用源域和目标域的一一对应的无标签数据训练脑电转换器；使用所述脑电转换器将源域的有标签数据迁移到目标域；使用迁移后的源域的数据训练情绪分类器；以及使用训练后的情绪分类器对目标域的有标签数据进行情绪识别。
3、第二方面，本专利技术实施例提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够
4、第三方面，本专利技术实施例提供一种存储介质，所述存储介质中存储有一个或多个包括执行指令的程序，所述执行指令能够被电子设备(包括但不限于计算机，服务器，或者网络设备等)读取并执行，以用于执行本专利技术上述任一项跨被试情绪识别方法。
5、第四方面，本专利技术实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述任一项跨被试情绪识别方法。
6、本申请实施例的方法充分利用了时间对齐数据的特点，在实验中的表现优于其他域适应算法，为跨被试情绪识别提供了新思路。进一步的，本申请实施例采用编码器-解码器模型对不同受试者的de特征进行转换，证明了脑电转换器的转换能力及其在提高跨被试情绪识别准确率方面的有效性。
本文档来自技高网...【技术保护点】
1.一种跨被试情绪识别方法，包括：
2.根据权利要求1所述的方法，其中，所述脑电转换器使用编码器-解码器结构实现，所述编码器通过一系列一维卷积操作和最大池化操作进行特征提取，所述解码器通过一系列一维上采样和卷积操作将特征提取后的数据恢复成原始大小。
3.根据权利要求1所述的方法，其中，所述情绪分类器包括特征提取模块和分类模块，所述特征提取模块采用多层感知器或卷积神经网络，所述分类模块采用线性层将所述特征提取器提取的特征映射到预设的输出类别。
4.根据权利要求1所述的方法，其中，在所述使用源域和目标域的一一对应的无标签数据训练脑电转换器之前，所述方法还包括：
5.根据权利要求4所述的方法，其中，在所述提取每个样本点的脑电信号微分熵特征之后，所述方法还包括：
6.根据权利要求4所述的方法，其中，所述使用源域和目标域的一一对应的无标签数据训练脑电转换器包括：
7.一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少
8.一种存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至6任一项所述方法的步骤。
...【技术特征摘要】
1.一种跨被试情绪识别方法，包括：
2.根据权利要求1所述的方法，其中，所述脑电转换器使用编码器-解码器结构实现，所述编码器通过一系列一维卷积操作和最大池化操作进行特征提取，所述解码器通过一系列一维上采样和卷积操作将特征提取后的数据恢复成原始大小。
3.根据权利要求1所述的方法，其中，所述情绪分类器包括特征提取模块和分类模块，所述特征提取模块采用多层感知器或卷积神经网络，所述分类模块采用线性层将所述特征提取器提取的特征映射到预设的输出类别。
4.根据权利要求1所述的方法，其中，在所述使用源域和目标域的一一对应的无标签数据训练脑电转换器之前，所述方法还包括：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。