SSAS：基于对抗策略与源选择的跨被试脑电情绪识别
机器学习
2025-12-23 v2 人工智能
信号处理
摘要
脑电（EEG）信号长期以来一直应用于情感脑机接口（aBCI）领域。由于适用于不同人群，基于跨被试 EEG 的情绪识别在实际应用中展现出巨大潜力。然而，大多数关于基于跨被试 EEG 的情绪识别的研究在模型训练期间忽略了个体间差异和负迁移现象。为了解决这一问题，本文提出了一种基于对抗策略与源选择的跨被试 EEG 情绪识别方法。该方法包含两个模块：源选择网络（SS）和对抗策略网络（AS）。SS 利用领域标签对领域适应的训练过程进行逆向工程。其核心思想是破坏类可分性并放大领域间差异，从而增加分类难度，迫使模型学习领域不变且与情绪相关的表示。AS 从 SS 获取源域选择结果和预训练的领域判别器。预训练的领域判别器计算一种新颖的损失，旨在增强对抗训练期间领域分类的性能，确保对抗策略的平衡。本文对所提方法提供了理论见解，并在两个基于 EEG 的情绪数据集 SEED 和 SEED-IV 上取得了出色的性能。代码可在 https://github.com/liuyici/SSAS 获取。
引用
@article{arxiv.2512.13458,
title = {SSAS: Cross-subject EEG-based Emotion Recognition through Source Selection with Adversarial Strategy},
author = {Yici Liu and Qi Wei Oung and Hoi Leong Lee},
journal= {arXiv preprint arXiv:2512.13458},
year = {2025}
}
备注
Accepted by Expert Systems With Applications