HEDN：基于源可靠性评估的硬难双网络用于跨主体EEG情感识别
人机交互
2025-12-15 v3 机器学习
摘要
跨主体电脑内面荧光光谱（EEG）情感识别是脑机接口（BCI）中的主要挑战之一，由于显著的主体间变异性。多源域适应（Multi-Source Domain Adaptation, MSDA）提供了潜在解决方案，但现有的MSDA框架通常假设源质量相等，导致来自低可靠性域的负迁移，并由于多分支模型设计导致计算开销高昂。为解决这些限制，我们提出了硬难双网络（Hard-Easy Dual Network, HEDN），是一个轻量级可靠性感知的MSDA框架。HEDN引入一种新颖的源可靠性评估（Source Reliability Assessment, SRA）机制，在训练期间动态评估每个源域的结构完整性。基于此评估，源被路由到两个专门的分支：一个易网络（Easy Network）利用高质量源构建细粒度、结构感知的原型，以生成可靠的伪标签；一个硬网络（Hard Network）利用对抗训练来细化和对齐低质量源。此外，一个跨网络一致性损失对齐两个分支的预测，以保持语义连贯性。在SEED、SEED-IV和DEAP数据集上进行的大量实验表明，HEDN在跨主体和跨数据集评估协议下均实现了最先进的性能，同时降低了适应性复杂度。
引用
@article{arxiv.2511.06782,
title = {HEDN: A Hard-Easy Dual Network with Source Reliability Assessment for Cross-Subject EEG Emotion Recognition},
author = {Qiang Wang and Liying Yang and Jiayun Song and Yifan Bai and Jingtao Du},
journal= {arXiv preprint arXiv:2511.06782},
year = {2025}
}
备注
This work has been submitted to the IEEE for possible publication