基于动态对比度域适应的多源EEG情感识别
信号处理
2024-12-25 v2 人机交互
机器学习
摘要
脑电图 (EEG) 提供了可靠的人类认知和精神状态指示。从EEG进行情感识别仍面临由于个体间和跨测量session信号变化导致的挑战。我们引入一种基于微分熵 (DE) 特征的多源动态对比度域适应方法 (MS-DCDA)，其中通过多分支对比神经网络和对比子域不一致性学习来建模粗粒度的inter-domain和细粒度的intra-class适应。利用来自每个个体源的领域知识和互补源ensemble，我们的模型使用动态加权学习来实现域可迁移性和可辨识性之间的最佳权衡。在SEED和SEED-IV数据集上评估的MS-DCDA模型分别在cross-subject实验中实现了最高的平均准确率为 和 ，在cross-session实验中分别为 和 。我们的模型在识别准确率、inter-class间隙和intra-class紧凑性方面均优于几种替代域适应方法。我们的研究还表明前额叶和顶叶大脑区域的情感灵敏度更高，为精神健康干预、个性化医疗和预防策略提供了见解。
引用
@article{arxiv.2408.10235,
title = {Multi-Source EEG Emotion Recognition via Dynamic Contrastive Domain Adaptation},
author = {Yun Xiao and Yimeng Zhang and Xiaopeng Peng and Shuzheng Han and Xia Zheng and Dingyi Fang and Xiaojiang Chen},
journal= {arXiv preprint arXiv:2408.10235},
year = {2024}
}