基于动态分布对齐网络的半监督域适应情感识别
人机交互
2025-02-25 v1
摘要
本文聚焦于情感脑机接口 (aBCI) 中的个体差异挑战，该系统利用脑电图 (EEG) 信号来监测和识别人类情感状态，从而促进情感感知技术的发展。EEG 数据在不同个体之间的差异是有效且普适的 aBCI 模型开发的主要障碍。为解决此问题，我们提出了一种名为半监督域适应与动态分布对齐 (SDA-DDA) 的新型迁移学习框架。该方法通过最大均值不等式 (MMD) 和条件最大均值不等式 (CMMD) 对源域和目标域的边际概率分布和条件概率分布进行对齐。我们引入动态分布对齐机制以在训练期间调整差异并增强适应性。此外，集成了伪标签置信度过滤模块以改进半监督过程中的伪标签生成，从而提高条件分布估计的准确性。在 EEG 基准数据库 (SEED、SEED-IV 和 DEAP) 上的大量实验验证了 SDA-DDA 方法的鲁棒性和有效性。结果表明，该方法在包括跨主体和跨会话条件在内的各种情境下均优于现有方法。这种进展提高了情感识别的泛化能力和准确性，可能促进个人化 aBCI 应用的发展。源代码可在 https://github.com/XuanSuTrum/SDA-DDA 获取。
引用
@article{arxiv.2502.16485,
title = {SDA-DDA Semi-supervised Domain Adaptation with Dynamic Distribution Alignment Network For Emotion Recognition Using EEG Signals},
author = {Jiahao Tang},
journal= {arXiv preprint arXiv:2502.16485},
year = {2025}
}