面向跨被试嗅觉偏好识别的人机协作多模态学习方法
人工智能
2023-11-27 v1
摘要
气味感官评价在食品、服装、化妆品等领域有广泛应用。传统人工感官评价重复性较差，而以电子鼻（E-nose）为代表的机器嗅觉难以反映人的感受。嗅觉脑电（EEG）包含与人的嗅觉偏好相关的气味及个体特征，在气味感官评价中具有独特优势。然而，跨被试嗅觉 EEG 识别的困难极大限制了其应用。值得注意的是，E-nose 与嗅觉 EEG 分别在表征气味信息与个体情绪方面更具优势。本文提出一种 E-nose 与嗅觉 EEG 多模态学习方法用于跨被试嗅觉偏好识别。首先，建立嗅觉 EEG 与 E-nose 多模态数据采集与预处理范式。其次，提出互补多模态数据挖掘策略，有效挖掘表征气味信息的多模态数据共性特征以及嗅觉 EEG 中表征个体情绪信息的个体特征。最后，通过融合提取的共性与个体特征，在 24 名被试中实现跨被试嗅觉偏好识别，且识别效果优于当前最优（SOTA）识别方法。此外，所提方法在跨被试嗅觉偏好识别中的优势表明其在实际气味评价应用中的潜力。
引用
@article{arxiv.2311.14426,
title = {Human-Machine Cooperative Multimodal Learning Method for Cross-subject Olfactory Preference Recognition},
author = {Xiuxin Xia and Yuchen Guo and Yanwei Wang and Yuchao Yang and Yan Shi and Hong Men},
journal= {arXiv preprint arXiv:2311.14426},
year = {2023}
}
备注
14 pages, 13 figures